關(guān)于電子郵件語言特征識別作者的研究

韓樂慷　周鈺晗　樊昊東　郭鵬　王賢麟

摘 要：電子郵件中的手寫分析是一種非常具體的調(diào)查形式，可通過電子郵件的語言特征來識別作者。電子郵件的內(nèi)容往往比較短，作者的語言風(fēng)格比較明顯。所以通過電子郵件的語言特征來識別作者具有一定的科學(xué)可行性，并且通過電子郵件語言特征識別身份的研究具有重要意義。本文建立了以邏輯條件順序?yàn)榛A(chǔ)的BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型。

關(guān)鍵詞：語言特征規(guī)劃 作者識別 bp算法 誤差反向傳播 預(yù)測檢驗(yàn)

1.電子郵件的語言特征的用途

在電子郵件中蘊(yùn)藏了豐富的各類有用信息，是進(jìn)行計(jì)算機(jī)分析取證的重要內(nèi)容之一，它能為案件偵破提供一些有力的線索。為提高使用效率，人們經(jīng)常使用各類電子郵件客戶端（如Foxmail、Outlook Express、Microsoft Office Outlook等）來處理郵件。因此，分析各類郵件客戶端所保存的郵件數(shù)據(jù)文件也是計(jì)算機(jī)分析取證的重要手段之一。

此外，由于電子郵件的作者所運(yùn)用的語言特征不同，通過電子郵件識別作者是十分科學(xué)可行的。電子郵件證據(jù)在涉網(wǎng)案件偵辦中的作用越來越重要。通過解讀大數(shù)據(jù)時(shí)代海量電子郵件分析的挑戰(zhàn)與機(jī)遇，提出了通過郵件各元數(shù)據(jù)信息的分析與挖掘、郵件關(guān)系分析和郵件行為分析，從而準(zhǔn)確研判郵件聯(lián)系人的關(guān)系、涉案人員及涉案人員生活規(guī)律的分析思路。

2.研究電子郵件的作者身份識別問題的背景

目前，國內(nèi)外的研究人員主要從兩個(gè)方面來研究電子郵件的作者身份識別問題。一方面是從物理信息（如電子郵件的頭信息、IP地址等）來研究獲取作者身份，但效果不盡人意。另一方面是試圖通過研究郵件內(nèi)容來識別作者身份。

3.關(guān)于電子郵件語言特征識別的分析

3.1文本處理

本文電子郵件語言特征的識別從表層上分析可以作為一類特殊的文本處理。作者識別需要利用實(shí)現(xiàn)作者識別。當(dāng)然收集的有效文本越多，越具有典型性，就越有利于得到更準(zhǔn)確的結(jié)果。按照一定的方法和原則排除無關(guān)因素，將作者的可能范圍縮小到個(gè)人。關(guān)于作者的語言特征，主要通過詞匯頻率、特定詞匯頻率、標(biāo)點(diǎn)、n-Gram字符串、特定語法特征、平均句長、作者的已有文檔作為參考，由于作者的寫作風(fēng)格在一定時(shí)間內(nèi)相對穩(wěn)定，因此只要能挖掘出作者的語言特征就可以段落長度等特征的統(tǒng)計(jì)分析和經(jīng)驗(yàn)評價(jià)來確定電子郵件的作者。

3.2 SVM算法

基于SVM的中文郵件作者識別算法研究：支持向量機(jī)（support vector machine，SVM）是一種建立在由統(tǒng)計(jì)學(xué)習(xí)理論導(dǎo)出的結(jié)構(gòu)風(fēng)險(xiǎn)最小化原則基礎(chǔ)上的機(jī)器學(xué)習(xí)算法。其主要思想是針對兩類分類問題，在高維空間中尋找一個(gè)超平面作為兩類的分割，以保證最小的分類錯(cuò)誤率，而且SVM的一個(gè)重要的優(yōu)點(diǎn)是可以處理線性不可分的情況。

3.3郵件特征

格式特征：郵件的格式特征包括稱呼語、問候語、敬語、簽名、日期、電子簽名、空行、空格、縮進(jìn)等內(nèi)外模式，格式特征的提取是通過提前識別標(biāo)注和之后的統(tǒng)計(jì)計(jì)算得來的，在有這些格式特征出現(xiàn)的地方做好標(biāo)注，就可以進(jìn)行自動(dòng)化統(tǒng)計(jì)，之后將對應(yīng)的格式特征出現(xiàn)的權(quán)值標(biāo)記為1，未出現(xiàn)的標(biāo)志為0即可。

結(jié)構(gòu)特征：中文郵件結(jié)構(gòu)特征選取的是平均句長度、平均段長度、空行比率、空格比率、英文比率、數(shù)字比率、7種連續(xù)點(diǎn)號和7種點(diǎn)號與9種標(biāo)號的比率。所有這些結(jié)構(gòu)特征都是通過字符識別與統(tǒng)計(jì)計(jì)算得出的，很容易通過匹配統(tǒng)計(jì)的方法得到各種結(jié)構(gòu)特征。

4.模型建立與求解

4.1模型一的建立。為了簡化模型，我們首先考慮選取單個(gè)郵件作為樣本

4.2模型一求解

第一步：網(wǎng)絡(luò)初始化

給各連接權(quán)值分別賦一個(gè)區(qū)間（?1，1） 內(nèi)的隨機(jī)數(shù)，設(shè)定誤差函數(shù)e ，給定計(jì)算精度值ε 和最大學(xué)習(xí)次數(shù)M 。

第二步：隨機(jī)選取

隨機(jī)選取第k 個(gè)輸入樣本以及對應(yīng)的期望輸出

第三步：隱含層計(jì)算

計(jì)算隱含層各神經(jīng)元的輸入和輸出

4.3模型一檢驗(yàn)

判斷網(wǎng)絡(luò)誤差是否滿足要求。 當(dāng)誤差達(dá)到預(yù)設(shè)精度或者學(xué)習(xí)次數(shù)大于設(shè)計(jì)的最大次數(shù)，則結(jié)束算法。 否則，選取下一個(gè)學(xué)習(xí)樣本以及對應(yīng)的輸出期望，返回第三部，進(jìn)入下一輪學(xué)習(xí)。

5.結(jié)束語

人類都有本能習(xí)慣性，總想保持某些個(gè)人的特性，每個(gè)人都有獨(dú)特的行為方式，生物統(tǒng)計(jì)學(xué)特點(diǎn)等，而且都是潛意識的。我們可以通過提取電子郵件的各種特征，包括語言特征、頭信息、結(jié)構(gòu)特征和格式特征，自動(dòng)地把郵件分類到預(yù)定的作者類別中，所以通過電子郵件的語言特征識別作者將成為計(jì)算機(jī)取證的科學(xué)而可靠的技術(shù)理論依據(jù)。

參考文獻(xiàn)

[1] 滕桂法.中文電子郵件作者身份識別技術(shù)研究[D].北京師范大學(xué)，2005.

[2] 馬建斌.中文Web信息作者同一認(rèn)定技術(shù)研究[D].河北農(nóng)業(yè)大學(xué)，2010.