1. 研究目的
本研究旨在探讨如何利用高维数据挖掘技术解决文学作品作者归属问题。
随着互联网和数字化时代的到来，文学作品的数量急剧增加，同时也出现了一些匿名、伪造作者等问题，这给文学作品的版权保护、真伪鉴定等带来了挑战。
4. 研究的方法与步骤
本研究将采用定量研究与定性分析相结合的方法，具体步骤如下：
1.文献调研:系统梳理国内外关于文学作品作者归属问题和高维数据挖掘方法的文献资料，了解该领域的最新研究动态、主要方法和技术路线，为本研究提供理论基础和方法指导。
2.数据收集与预处理:收集相关文学作品语料库，并对语料库进行预处理，包括文本清洗、分词、去除停用词等操作，为后续特征提取和模型训练做好准备。
3.特征工程:研究不同的特征提取方法，例如词袋模型、TF-IDF、词向量、以及深度学习模型等，从文本中提取有效的特征，并利用特征选择方法筛选出最具区分性的特征，构建高维特征向量。
5. 研究的创新点
本研究的创新点主要体现在以下几个方面：
1.将高维数据挖掘技术应用于文学作品作者归属问题研究:突破传统研究方法的局限，利用高维数据挖掘技术强大的数据处理和分析能力，为解决作者归属问题提供新的思路和方法。
2.探索深度学习模型在作者归属问题中的应用:将深度学习技术引入到特征提取环节，尝试利用深度学习模型提取文本的深层语义特征，以提高模型的准确率和鲁棒性。
3.构建面向中文文学作品的作者归属模型:针对中文文本的特点，构建专门的作者归属模型，并对模型进行优化，以提高模型在中文文学作品上的适用性和准确率。
6. 计划与进度安排
第一阶段 （2024.12~2024.1）确认选题，了解毕业论文的相关步骤。
第二阶段（2024.1~2024.2）查询阅读相关文献，列出提纲
第三阶段（2024.2~2024.3）查询资料，学习相关论文
7. 参考文献（20个中文5个英文）
[1] 刘颖,徐凡.面向网络文本的作者文体特征分析与应用[J].情报科学,2022,40(01):108-116.
[2] 张宁,冯冲,冯志伟.基于卷积神经网络的作者识别方法综述[J].计算机科学,2021,48(8):1-8.
[3] 谭松波,母永强.深度学习作者识别研究进展[J].计算机工程与应用,2021,57(14):1-12.
以上是毕业论文开题报告，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
