古诗文是我国文明发展史上的瑰丽篇章,是我国宝贵的文化遗产。随着考古工作的推进及历史的演变,研究者们对很多诗文的作者归属产生了很大的歧义,为此研究者们运用身份识别技术对存在歧义的古诗文进行作者身份识别。作者身份识别处于应用语言学与计算机技术之间的重要交叉学科,同时也是自然语言处理的重点与难点,有着巨大的理论开发和实际应用前景。古诗作者身份识别通常是通过人工提取特征建模,人工参与度较高,过程比较繁琐。同时古诗词具有一词多义的现象,比如古诗中的“问”字具有慰问和打听的意思;“怜”字具有爱惜和同情的意思。为解决以上问题,本文首先创建了唐诗文本数据集,其次提出了新的古诗文作者身份识别的模型,最后以系统的形式呈现出来,具体做出以下工作:1.对唐诗文本数据集的创建和分析。数据集的创建主要介绍唐诗数据集的构建流程、语料来源、数据预处理。其中,预处理主要是分为两部分,一部分是将原始数据中卷的标题、版权信息以及空格、换行符和校注者的标注等无效内容进行处理,另一部分是对停用词的过滤。然后对数据集进行了统计分析,采取分词和分字相结合的方式。2.基于混合神经网络作者身份识别的文本表示方法。为解决古诗中一词多义问题,同时又能兼顾古诗整体的意思和局部词与词之间的联系,本文采用动态词向量和静态词向量相结合的方式,并进行了针对词向量训练模型的对比实验。该实验选用Glo Ve和GPT作为词向量训练模型,分别生成静态词向量和动态词向量。将两种向量拼接输入Attention,进一步组建卷积神经网络和门控递归单元的双通道混合神经网络模型。该方法不仅能获得文本的局部特征,而且能够获取整体的信息。3.基于混合神经网络作者身份识别的分类方法。由于本文研究的作者身份识别属于多分类问题,并且语料库是小样本。小样本具有明显的语料内容少、语义密度偏高、歧义性强等特点。如果采用传统表示方法则存在“维度高”、“稀疏性强”、“语义鸿沟”等问题。为解决以上问题,本文提出A-softmax分类器。A-softmax能够有效提升分类间隔,就小样本的高维问题可以得到较好的处理,并且能够最大限度的杜绝神经网络结构选择问题,同时局部极小点的缺陷也得到很好的解决。最后通过相关实验,验证A-softmax在处理作者身份识别的多分类问题上效果比较明显。在此基础上,将作者身份识别研究以系统的形式呈现。该身份识别系统主要包括用户查询模块、数据预处理、中文诗作者身份识别模块、结果展示。本文详细介绍了各模块的主要功能以及操作流程。通过对中文诗作者身份识别系统进行测试,验证了系统功能的可用性及稳定性。