基于神经网络中文短文本作者识别研究

• 作者: 李孟林 李绍鸣 罗文华
• 来源期刊: 中国人民公安大学学报（自然科学版）
• 学科: 工学
• 关键词: 短文本 多属性 Bi-LSTM 最大熵 作者识别
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 信息技术与网络安全
• 页码范围: 61-67
• 页数: 7页
• 分类号: TP393.08
• 字数: 5305字
• 语种: 中文

摘要

随着互联网应用的日益普及,短文本作为电子数据证据在法庭科学中日益重要,法院亟需对大量网络聊天内容作者归属进行同一认定.传统机器学习方法对特征选取非常敏感,因为在实践中较难提取到准确的作者写作习惯特征,所以影响了传统机器学习方法的实践效果.针对文本短、特征少、特征提取困难的缺点,提出了融合多属性的神经网络中文短文本作者识别方法.首先将文本的结构特征、语义特征、发送时间、发送位置、发送频率等属性融合进文本序列,对文本序列进行词向量化表示,采用卷积层和Bi-LSTM层自动提取局部特征和上下文关系特征,通过注意力机制动态调整特征权重,使用Sofimax分类器得到文本作者.以最大熵模型做对比实验,实验结果表明卷积层和Bi-LSTM层能“学习”到短文本上下文特征,注意力机制能更多“学习”到文本序列不同位置的关键特征,融合多属性的神经网络方法的作者识别精度比传统模型大约提高了5％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	罗文华	中国刑事警察学院网络犯罪侦查系	62	118	5.0	7.0
2	李孟林	中国刑事警察学院网络犯罪侦查系	4	1	1.0	1.0
3	李绍鸣	沈阳航空航天大学人机智能研究中心	1	0	0.0	0.0