基于詞性統(tǒng)計的中文文本零水印研究.pdf

1、隨著計算機應用的普及與計算機網(wǎng)絡(luò)的發(fā)展，即使在圖像、視頻和音頻數(shù)據(jù)快速增長的同時，文本數(shù)據(jù)仍然是互聯(lián)網(wǎng)上使用最多和最廣的一種信息載體，這樣就給電子文本的版權(quán)保護帶來了巨大的挑戰(zhàn)。如何保護作者、作品所有者的合法權(quán)益成了社會關(guān)注的熱點，而作為版權(quán)保護重要手段之一的文本水印也備受關(guān)注。目前，文本水印的研究成果大都集中在嵌入式水印，通過改變載體信息來達到嵌入水印的目的，這樣勢必會對載體造成一定的影響，甚至會引起攻擊者的注意，從而破壞水印。而文本

2、零水印不需要對原始載體做任何修改，它是通過提取文本中的一些特征信息來完成水印的生成，很好地解決了數(shù)字水印的不可見性和魯棒性之間的矛盾。
　　本文針對中文文本零水印進行研究，深入分析已有的文本水印算法，結(jié)合自然語言處理技術(shù)，主要工作如下：
　　介紹了數(shù)字文本水印的概念、特點、分類，并對已有的文本水印算法進行了詳細的闡述和深入的研究，分析各自優(yōu)缺點，總結(jié)了目前文本水印研究存在的一些問題。
　　針對文本水印存在的嵌入復雜、水

3、印容量不夠及魯棒性不強等問題提出了兩種不同的文本零水印算法。一種是基于詞性頻率的零水印算法，該算法結(jié)合自然語言處理技術(shù)，從漢語詞性出發(fā)，通過統(tǒng)計不同詞性的頻次確定中頻詞性，將該詞性的詞語作為文本特征來構(gòu)造水??；另一種是基于詞性信息熵的文本零水印算法，該算法利用前種算法中已有的詞性頻次來計算不同詞性出現(xiàn)的概率，用該概率獲得不同詞語的信息熵，進而確定文本中每個句子的信息熵，選出句子信息熵大于閾值的句子，并進行核心詞的提取作為文本特征信息。實