摘要:【目的】从不规范文本中提取特征,识别网络文本作者身份。【方法】提出两种在不规范文本中提取特征的方法:利用在Jaccard系数的基础上定义的不规范文本相似度M;利用不规范文本在文本中出现的次数。【结果】两种特征的识别正确率分别达到85.1%和80.2%,加入这两种特征后,传统的基于统计值特征的分类器识别正确率分别提高5.8%和4%。【局限】只考虑到网络文本在词汇层面的不规范性,并没有针对更高层面的特性进行研究,如句法层面、结构层面。【结论】本文提出的特征提取方法,可以有效地提取不规范文本特征,有助于作者身份识别系统识别正确率的提升。
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社