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

1、隨著互聯(lián)網(wǎng)的發(fā)展,人們?cè)絹碓蕉嗟匾揽烤W(wǎng)絡(luò)來獲取和發(fā)布信息,互聯(lián)網(wǎng)中存儲(chǔ)和傳播的信息對(duì)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(diǎn),在網(wǎng)絡(luò)上散布各種有損社會(huì)和諧的言論,即所謂的敏感信息,這些信息一旦擴(kuò)散開來,往往會(huì)造成極其惡劣的影響,進(jìn)而帶來巨大的輿論壓力,并造成相當(dāng)?shù)慕?jīng)濟(jì)損失。因此,及實(shí)、準(zhǔn)確對(duì)網(wǎng)絡(luò)敏感信息進(jìn)行識(shí)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(jī)器學(xué)習(xí)方法會(huì)面臨一個(gè)嚴(yán)峻的問題,那就是不能花費(fèi)大量的時(shí)間來進(jìn)行樣本標(biāo)注。只能應(yīng)用少量已標(biāo)注樣本在采用大量未標(biāo)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(gè)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(jìn)行分類器的訓(xùn)練,分類的結(jié)果勢(shì)必會(huì)偏向樣本數(shù)較多的那一類。為了解決這個(gè)問題,可以采用過采樣的方法來增加少數(shù)類樣本,使正負(fù)類樣本數(shù)均衡,進(jìn)而