文本作者身份识别是一种从已知文本中提取作者文体风格特征,识别未知文本作者身份的技术,在文学分析、司法鉴证、信息安全等领域具有广阔的应用前景。近年来,这一领域研究取得了长足进展,证明了一系列文体特征和识别方法的有效性。但当前主流研究多是基于英文,一些基于字母、单词等的语言特征无法在中文文本中使用。且大多数研究基于小说等长文本,在即时通讯消息等短文本上会面临特征稀疏的问题。随着我国互联网发展,针对中文即时通讯消息文本的作者识别需求越来越多,相关研究具有较高的应用价值。作者身份识别可分为作者归属和作者验证两种任务,作者归属是从从候选作者中找出未知文档的真实作者,作者验证是判断一对文档是否由同一作者编写。本文分别提出了一种中文即时通讯消息的作者归属模型和作者验证模型,并在此基础上开发了一套作者身份识别系统。主要工作如下:（1）提出了一种基于样本拼接的集成学习作者归属模型。模型使用多种方法对即时消息样本进行拼接,充分提取网络对话环境下短文本的结构特征。同时设计了多个特征提取器,结合中文分词、中文语法分析、特殊文本实体、表情符号等预处理程序,提取多种中文语言和即时通讯消息文本特有的文体特征,每种特征单独使用一个分类器进行训练,最后通过集成的方式预测未知样本属于哪位已知的候选作者。该模型在中文公共聊天群组的数据集上进行了测试,在测试集上取得了最高0.97的F1分数。（2）提出了一种基于语言模型的孪生网络作者验证模型。该模型设计了一个孪生神经网络结构,在不使用特征工程的情况下,借助预训练语言模型BERT,从较短的中文文本中有效提取文体特征信息。对多条消息文本分别截取前N个字符进行处理和拼接,经池化和全连接层得到特征向量。通过计算两个样本特征向量之间的距离度量,来判断两个文本是否为同一作者书写。该模型在中文公共聊天群组的数据集上进行了测试,在测试集上取得了最高0.95的F1分数。（3）基于以上模型开发了一套作者身份识别原型系统,可以对中文即时通讯消息文本进行作者归属和作者验证。系统基于Layui和Python Flask框架开发,提供便于操作的UI界面,具有一定的实际应用价值。