作者识别是一个应用广泛的研究领域,可以应用于中外文学作品的作者考证领域,也可以应用于版权保护、恶意邮件识别等信息安全领域。对于近年来在文学创作、论文写作等学术领域愈演愈烈的抄袭剽窃之风,传统的解决方法一般是通过在受保护的文本或图片中嵌入水印,当产生纠纷时,根据提取出的水印信息确定版权所属来解决纠纷。然而嵌入的水印在很大程度上存在被破坏、删除或者修改的危险。与传统解决方法相比,作者识别不存在上述问题。作者识别过程的关键是提取出能够有效地代表作者写作风格的特征,由于中文的特殊性,目前应用于中文作者识别的特征相对较少；同时,在涉及到作者个数较多,比如大于20的情况下,识别的准确率会存在大幅下降的问题。本文对中文作者识别方法进行研究,针对该领域中存在的现有问题,提出基于依存语法的中文作者识别方法以及基于词义标记的双层分类中文作者识别方法。前一个方法将自然语言处理中的依存语法关系作为句法层次的有效特征,同时结合已有的虚词、标点符号和词性频数构成一个大特征集来对中文作品进行识别,对于大量特征产生的噪声所导致识别准确率下降的问题,本文利用主成分分析方法对特征集进行降维和优化。后一个方法中,借鉴双层分类作者识别模型,即在传统的作者识别模型中添加一个作者分组层,在该层中提出一种基于词义的中文作者表示方法,将每位作者表示成对应的作者向量,使用聚类算法对作者进行分组,使得每一组中作者数目相对较少(一般不超过20个)；第二层为作者识别层,根据作者分组层得到的结果,在组内进行作者识别,得到最终的识别结果。本文利用支持向量机完成识别(分类)的工作,通过实验验证提出方法的有效性。实验结果表明依存语法可以作为一种有效特征,并且主成分分析方法可以对特征集进行降维和优化；基于词义的双层分类作者识别方法可以解决作者个数很多时产生的识别准确率低的问题。