[发明专利]文章作者身份识别及评估模型训练方法、装置及存储介质

权利要求书

1.一种文章作者身份识别方法，其特征在于，包括：

获取待识别的第一文章的词向量表示，并输入预先训练得到的评估模型，得到输出的所述第一文章的特征向量，所述特征为能够用于区分不同作者特点的特征，所述第一文章为未知作者的文章；

针对已知作者的第二文章，获取所述第二文章的词向量表示，并输入预先训练得到的评估模型，得到输出的所述第二文章的特征向量；

通过比较所述第一文章的特征向量以及所述第二文章的特征向量确定出所述第一文章与所述第二文章是否属于同一作者。

2.根据权利要求1所述的方法，其特征在于，

针对任一文章，获取所述文章的词向量表示的方式包括：

对所述文章进行切词处理；

按照保留前L个切词结果的方式，对所述文章进行截断，L为大于一的正整数；

分别获取每个切词结果的n维词向量表示，n为大于一的正整数；

利用L个切词结果的词向量表示组成一个L行n列的词向量表示，将所述L行n列的词向量表示作为所述文章的词向量表示。

3.根据权利要求1所述的方法，其特征在于，

所述评估模型包括：基于卷积的深度学习模型；

所述基于卷积的深度学习模型使用误差函数Triplet Loss作为损失函数。

4.根据权利要求1所述的方法，其特征在于，

所述通过比较所述第一文章的特征向量以及所述第二文章的特征向量确定出所述第一文章与所述第二文章是否属于同一作者包括：

确定所述第一文章的特征向量与所述第二文章的特征向量之间的差别；

若所述差别小于预定阈值，则确定所述第一文章与所述第二文章属于同一作者，否则，确定所述第一文章与所述第二文章不属于同一作者。

5.一种评估模型训练方法，其特征在于，包括：

获取作为训练样本的各已知作者的文章，将属于同一作者的文章归为一类；

分别获取各文章的词向量表示；

根据各文章的词向量表示以及所属分类训练出评估模型，以便在进行文章作者身份识别时，利用所述评估模型分别评估出输入的第一文章的词向量表示对应的特征向量以及第二文章的词向量表示对应的特征向量，通过比较两个特征向量确定出所述第一文章与所述第二文章是否属于同一作者，所述特征为能够用于区分不同作者特点的特征，所述第一文章为未知作者的文章，所述第二文章为已知作者的文章。

6.根据权利要求5所述的方法，其特征在于，

针对任一文章，获取所述文章的词向量表示的方式包括：

对所述文章进行切词处理；

按照保留前L个切词结果的方式，对所述文章进行截断，L为大于一的正整数；

分别获取每个切词结果的n维词向量表示，n为大于一的正整数；

利用L个切词结果的词向量表示组成一个L行n列的词向量表示，将所述L行n列的词向量表示作为所述文章的词向量表示。

7.根据权利要求5所述的方法，其特征在于，

所述评估模型包括：基于卷积的深度学习模型；

所述基于卷积的深度学习模型使用误差函数Triplet Loss作为损失函数。

8.根据权利要求7所述的方法，其特征在于，

所述根据各文章的词向量表示以及所属分类训练出评估模型包括：

每次训练时，输入三篇文章的词向量表示，其中两篇文章属于同一分类，分别对应于所述Triplet Loss的锚示例和正示例，另外一篇文章属于另一分类，对应于所述TripletLoss的负示例。