基于半監(jiān)督學(xué)習(xí)的網(wǎng)絡(luò)敏感信息識別.pdf

1、隨著互聯(lián)網(wǎng)的發(fā)展,人們越來越多地依靠網(wǎng)絡(luò)來獲取和發(fā)布信息,互聯(lián)網(wǎng)中存儲和傳播的信息對于大眾輿論的形成和傳播有巨大的影響,其中也隱藏著巨大的安全威脅。許多不法分子利用網(wǎng)絡(luò)自由交互的特點,在網(wǎng)絡(luò)上散布各種有損社會和諧的言論,即所謂的敏感信息,這些信息一旦擴散開來,往往會造成極其惡劣的影響,進而帶來巨大的輿論壓力,并造成相當(dāng)?shù)慕?jīng)濟損失。因此,及實、準確對網(wǎng)絡(luò)敏感信息進行識別成為相關(guān)部門急需解決的問題。
　　通常網(wǎng)絡(luò)敏感信息的傳播速度非常

2、快,因此傳統(tǒng)的機器學(xué)習(xí)方法會面臨一個嚴峻的問題,那就是不能花費大量的時間來進行樣本標注。只能應(yīng)用少量已標注樣本在采用大量未標注樣本的輔助下完成分類器的訓(xùn)練,即采用半監(jiān)督學(xué)習(xí)的方法來解決這個問題。
　　敏感信息在網(wǎng)絡(luò)輿情中占的比例很小。在采集到的樣本中,很大一部分是普通輿情信息,如果采用這樣的數(shù)據(jù)進行分類器的訓(xùn)練,分類的結(jié)果勢必會偏向樣本數(shù)較多的那一類。為了解決這個問題,可以采用過采樣的方法來增加少數(shù)類樣本,使正負類樣本數(shù)均衡,進而