作者归属指通过测量一些文本特征用以区分不同作者写的文本,是自然语言处理的一个重要分支。随着信息技术的显著增长,作者归属的实际应用数量已经在几个不同的领域增长,如刑法,民法,以及计算机安全。每个作者都拥有影响其书面作品形式和内容的特殊习惯,这些特点往往可以用机器学习算法来量化和测量。早期的研究中主要针对这些特点手工设计特征,但是手工设计的特征往往只能提取一部分特征作为写作风格特征。由于深度学习方法能自动提取文本丰富的特征,近几年越来越多的研究使用深度学习方法来解决作者归属问题,但是大多数方研究只在长文本的数据集上验证了算法的效果。在短文本数据集上研究的方法中,有的只使用字符n-grams特征提取文本的内容特征,单一的特征并不能完全代表写作风格特征;有的使用字符n-grams特征作为内容特征和成分树特征作为句法特征来解决作者归属问题,但是在短文本上,成分树的路径较短,这无疑会影响句法特征的丰富度。目前的方法中,大多都没有关注文本的句法特征或者只提取了浅层次的句法特征。针对以上问题,本文提出了基于句法依赖树和句法成分树的作者归属模型。首先,使用依赖树提取的结构特征可以解决短文本的成分树路径较短的问题,而使用成分树可以解决依赖树的词嵌入向量没有句法特征的问题,这两种树优劣互补。其次,本文提出了一种新颖的树结构特征来丰富句法特征。本文为树中的每个节点编号,根据树的双亲表示法,可以使用树的节点编号和父节点编号恢复成一棵树。最后使用字符2-grams特征提取的内容特征和句法特征相融合作为写作风格特征并在多个数据集上进行实验验证本文模型的有效性。针对目前的方法没有在作者归属任务上深入探讨注意力的问题,本文提出了联合多种注意力的模型。本文使用自注意力、分层的注意力和图注意力分别关注文本的不同特征对写作风格特征的影响,注意力可以对重要的特征加以重视,忽视不重要的特征。本文在多个数据集上验证了本文的方法的优越性。最后,基于作者归属目前的研究现状,本文进一步探讨了作者归属领域的挑战和未来发展趋势。