基于深度学习的中文微博作者身份识别研究

• 作者: 徐晓霖 芦天亮 蔡满春
• 来源期刊: 计算机应用研究
• 关键词: 作者身份识别 长短时记忆网络 卷积神经网络 特征自动提取
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 16-18,25
• 页数: 4页
• 分类号: TP391.72
• 语种: 中文
• DOI: 10.19734/j.issn.1001-3695.2018.05.0486

摘要

作者身份识别一直在公安行业和文检工作中起着重要的作用.现有的作者语言风格建模过程繁琐、文本特征工程没有普适性.针对此问题,在无须专家进行特征建模的情况下,提出CABLSTM中文微博作者身份识别模型,并在公开微博语料集测试该模型准确度.该模型为最大化提取短文本特征,融合attention机制于CNN中并去除池化层,通过双向LSTM以获取上下文相关信息,身份识别结果通过softmax层进行输出.实验结果表明,该模型在进行中文微博作者身份识别任务中与传统机器学习算法、TextCNN和LSTM算法相对比,在准确率、召回率、F值方面都有一定的提升.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	芦天亮	中国人民公安大学信息技术与网络安全学院	44	78	5.0	7.0
2	蔡满春	中国人民公安大学信息技术与网络安全学院	24	67	5.0	7.0
3	徐晓霖	中国人民公安大学信息技术与网络安全学院	2	2	1.0	1.0