为了剽窃他人的知识成果并且躲避学术不端检测,抄袭者们往往不会整段抄袭,抄袭内容也会经过处理。本文是基于这个背景下,从写作风格的角度出发,进行文章原创性的判定工作。写作风格是作者长期写作留下的习惯,不会在短期发生改变,对作者写作风格的研究,可以挖掘作者的写作习惯从而判定文章的原创性。本文了解和总结了国内外相关领域的现状和方法,设计了一套属于自己的原创性检测方法。文章可能不是由一个人完成的,所以本文首次提出了“风格裂缝”这一概念,风格裂缝表示风格发生转变的位置,根据风格裂缝进行文本分段。风格裂缝的识别是通过风格特征提取来实现的,分别从词、句、情感多方面的考虑风格特征,本文设计了7个特征用于风格裂缝识别。根据风格特征提取的结果结合聚类算法找出风格裂缝的位置,根据风格裂缝进行文本分割。在风格裂缝识别的基础上对每个部分进行作者识别,本文构建了词语级别作者识别框架(ARTW)用于作者识别,该框架以GloVe词向量为底层的词向量支持,将Bi-GRU嵌入到孪生神经网络中用于文本的特征表示。使用Bi-GRU高阶特征抽取,使用孪生神经网络进行相似度计算。在训练过程对虚词加入attention机制,使网络更快的朝着风格方向收敛。在Bi-GRU特征提取后,本文提出了分段池化和MLP隐层用来提取高阶文本特征,在高阶特征抽取和相似度计算过程中提出了联合损失函数,提高框架的鲁棒性。本文通过对不同主题的语料库和混合主题的语料库设计了不同的实验,进行风格裂缝识别和作者识别。并通过对比传统算法,验证了风格裂缝识别和基于词语级别的作者识别框架(ARTW)的有效性和价值。