[发明专利]一种基于写作习惯的作者识别方法有效
| 申请号： | 201910640120.0 | 申请日： | 2019-07-16 |
| 公开（公告）号： | CN110489551B | 公开（公告）日： | 2023-05-30 |
| 发明（设计）人： | 刘刚;王凯;李涛 | 申请（专利权）人： | 哈尔滨工程大学 |
| 主分类号： | G06F16/35 | 分类号： | G06F16/35;G06N3/0442;G06N3/045;G06N3/084 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 150001 黑龙江省哈尔滨市南岗区*** | 国省代码： | 黑龙江;23 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及信息技术领域，具体涉及的是一种基于写作习惯的作者识别方法，目的是为了提供一种基于写作习惯的作者识别方法，分为三个阶段：首先，语料预处理，然后通过Bi‑GRU进行双向特征提取，在特征提取的过程中加入分段池化和平均池化相结合的池化层，再通过MLP隐层进行全连接和高阶特征抽取；然后，在相似度计算过程中提出联合损失，通过相似度计算和预测损失结果联合计算损失值，得出结果；最后将作者识别框架与传统的svm和朴素贝叶斯进行对比。本发明与传统方法相比具有高效计算能力，适合解决含大规模数据和参数的优化问题，解决的全联接结果参数过多，特征集过大的问题，使神经网络朝着风格的方向收敛，具有科学性和有效性。 | ||
| 搜索关键词： | 一种 基于 写作 习惯 作者 识别 方法 | ||
【主权项】：
1.一种基于写作习惯的作者识别方法，其特征在于，可以分为三个阶段：/n(1)语料预处理，然后通过Bi-GRU进行双向特征提取，在特征提取的过程中加入分段池化和平均池化相结合的池化层，再通过MLP隐层进行全连接和高阶特征抽取；/n(2)决策网络分为相似度计算和联合损失函数，在相似度计算过程中提出联合损失，通过相似度计算和预测损失结果联合计算损失值；/n(3)将作者识别框架与传统的svm和朴素贝叶斯进行对比。/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于哈尔滨工程大学，未经哈尔滨工程大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910640120.0/，转载请声明来源钻瓜专利网。
