基于机器学习的红楼梦作者鉴定

• 作者: 吴宇航 李新靓 王心如 车东宇
• 来源期刊: 新一代信息技术
• 关键词: 朴素贝叶斯分类器 R语言 词频 数据预处理
• 年，卷（期）: 2018,（3）
• 页码范围: 41-47
• 页数: 7页
• 字数: 3952字
• 语种: 中文

摘要

《红楼梦》是中国古典小说巅峰之作,中国封建社会的百科全书,传统文化的集大成者,但由于历史原因,《红楼梦》在传播和保留过程中出现了令人遗憾的缺失,目前公认的版本是前80回为曹雪芹本著,高鹗续后40回,现通过建模佐证前80回与后40回作者不同.用朴素叶贝斯分类器通过字的频率,判别《红楼梦》的章回作者不同.首先,对每一章节进行分词,建立词频矩阵;接着使用非参数检验剔除显著性不大的人称代词;然后筛选出所有在每一章回出现大于6次的字;最后将频繁出现的字创建指示特征,利用红、玉等125个特征,训练朴素叶贝斯分类器,成功预测出作者的不同,预测正确率高达97%.针对词的判断,首先引入红楼梦词语等细胞词库,使章回分词更加精确;接着,筛选出与文章情节关联不大的词语,计算词在每一章出现的频率的标准差,选择标准差小于0.9的词语作为特征;最后利用"宝玉","咱们"等256个词语作为特征训练建立的朴素叶贝斯分类器,成功预测出作者的不同,正确率高达95%.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴宇航	华北理工大学数学建模创新实验室	15	4	1.0	2.0
3	车东宇	华北理工大学理学院	3	0	0.0	0.0