網絡聊天室內容監(jiān)控預處理研究.pdf

1、隨著Internet的飛速發(fā)展，網絡聊天室以其操作簡單、方便快捷、私密性好等優(yōu)點已經迅速發(fā)展成為最普遍的網絡交流方式之一。它在為用戶帶來便利的同時，也為一些別有用心的人進行惡意甚至違法的活動打開了方便之門。因此，對聊天室內容進行監(jiān)控已成為亟待解決的問題。 對聊天數據進行預處理是聊天室內容監(jiān)控過程中的基礎部分，預處理結果的好壞，直接影響到監(jiān)控系統(tǒng)工作的穩(wěn)定性、快速性和準確性。由些可見，針對聊天數據預處理工作的研究是十分重要和必要的

2、。 本文以流行的IRC網絡聊天室的內容監(jiān)控為背景，對聊天數據的預處理技術進行了深入的研究。論文的主要工作與特色有： (1)通過加強的聊天數據時序性啟發(fā)規(guī)則集推斷聊天數據的社會網絡，并結合用戶對話相似性優(yōu)化社會網絡。該方法通過分析用戶間聊天對話表現出的時間上的一般性規(guī)律，總結出用于推斷社會網絡的啟發(fā)性規(guī)則集，并根據該規(guī)則集來推斷聊天數據中包含的社會網絡；合并相似用戶對話，結合對話內容相似性優(yōu)化社會網絡。 (2)提出

3、了聊天數據中噪聲對話的概念，并設計了噪聲判斷和過濾的方法。該方法根據通過從聊天數據中推斷出的社會網絡確定用戶之間的交流關系；然后通過分析用戶對話的數量、時間和對話對象等因素，建立噪聲過濾的條件集，并根據過濾條件集遍歷社會網絡中的每個結點，刪除結點的噪聲對話和孤立結點。 (3)設計了一種專門針對聊天數據中詞匯權值計算的方法。首先通過比較聊天數據集與文本集之間的差別，概括出聊天數據的特殊性，并分析目前監(jiān)控系統(tǒng)中常用的TF<'*>ID