版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、互聯網與計算機技術的迅速發(fā)展,各種資源呈爆炸式增長,共享程度越來越高,給工作和生活帶來極大的便利,成為人們傳遞和交流信息的重要平臺。但是與此同時,造成了網頁重復率高、知識產權侵占以及信息的泄密等問題。如何快速、準確的檢測出相似內容已成為我們研究的焦點。另一方面,文本相似度比較作為自然語言處理的重要基礎與內容,被廣泛用于文本分類、聚類、信息檢索、文本復制檢測等領域,一直受到眾多學者的普遍關注與研究,因此,文本相似度比較是解決這些問題有效的
2、方法之一,在理論和實際應用中都具有重要的意義。
本文圍繞以上問題,進行了深入的研究與實踐。論文主要工作包括:
首先,將文本相似度比較技術首次引入到涉密文本的泄密檢測中,為目前涉密文本的泄密檢測仍然停留在人工檢測的基礎上增加了一種有效的方法與途徑。主要工作有:一是提出了一種基于自然語言處理的文本泄密自動檢測技術。該方法以基于VSM的相似度比較模型為基礎,結合中文分詞、文本加密、Web信息抽取等其它自然語言處理技
3、術,旨在不泄密的前提下,通過不可逆加密算法,利用Web信息抽取技術,對密文進行相似度比較,檢測特定網站是否存在涉密文本以及泄密的程度。二是對于特定網站內容的獲取研究,結合視覺分塊的Web信息抽取優(yōu)點,提出一種基于正則表達式的深層次網頁文本抽取方法,以此作為比較的數據源。
其次,將目前文本相似度檢測技術與其他自然語言處理技術相結合,實現了基于自然語言處理的文本相似度檢測系統(tǒng)。該系統(tǒng)實現了篇章、段落到語句的多層次檢測;拓寬了比
4、較方式,功能上涵蓋了普通文本與涉密文本的檢測;數據源包括本地文本和互聯網文本信息:相似部分能自動定位標注。
本文的主要特色與創(chuàng)新之處:
1、將文本相似度比較技術首次引入到涉密文本的泄密檢測中。有效的解決目前泄密檢測仍采用人工檢測方式的問題,并且保證涉密文本的安全性。
2、設計并實現了基于自然語言處理的文本相似度檢測系統(tǒng)。該系統(tǒng)具有多層次、多數據源、多比較方式、多功能以及多線程計算的特點。
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,請與我們聯系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 多層文本自動分類技術的研究與應用.pdf
- 基于主題的短文本自動摘要抽取研究與應用.pdf
- 自動文本摘要方法的研究及應用.pdf
- 近似文本比對技術及其優(yōu)化方法.pdf
- 基于句子相似度的文本比對算法研究.pdf
- 文本自動標引方法研究與實現.pdf
- 文本自動分類的研究與實現.pdf
- 基于文本挖掘的企業(yè)情報自動分類系統(tǒng)研究與應用.pdf
- 中文文本自動分類的應用研究.pdf
- 散亂點云與CAD模型比對研究與應用.pdf
- 基于支持向量機的文本自動分類器的研究與應用.pdf
- 啟發(fā)式算法在自動文本分類中的研究與應用.pdf
- 文本自動分類系統(tǒng)的研究與實現.pdf
- 基于臺標比對的視頻監(jiān)控系統(tǒng)的研究與實現——圖像匹配與圖像比對技術應用研究.pdf
- 自動文本特征抽取的研究與實現.pdf
- 面向微博應用的新聞文本自動摘要研究.pdf
- 中文文本自動分詞技術與算法研究.pdf
- 文本自動摘要和信息抽取方法及其應用研究.pdf
- 中文Web文本自動分類的研究與實現.pdf
- 自動文本聚類系統(tǒng)的研究與實現.pdf
評論
0/150
提交評論