中文敏感词变形体的识别方法研究与应用
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第12-16页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-14页 |
| 1.3 论文的主要内容 | 第14-15页 |
| 1.4 论文的组织结构 | 第15-16页 |
| 第2章 相关技术研究 | 第16-28页 |
| 2.1 相似度计算方法 | 第16-20页 |
| 2.1.1 基于Jaccard系数的相似度计算 | 第16-17页 |
| 2.1.2 基于余弦值的相似度计算 | 第17页 |
| 2.1.3 基于编辑距离的相似度计算 | 第17-19页 |
| 2.1.4 准确性比较 | 第19-20页 |
| 2.2 模式匹配算法 | 第20-25页 |
| 2.2.1 BF算法 | 第20-21页 |
| 2.2.2 KMP算法 | 第21-23页 |
| 2.2.3 BM算法 | 第23-24页 |
| 2.2.4 性能分析 | 第24-25页 |
| 2.3 层次分析法 | 第25-26页 |
| 2.4 评价指标 | 第26-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第3章 敏感词变形体识别方法 | 第28-40页 |
| 3.1 敏感词的三种变形模式 | 第28-29页 |
| 3.2 词的拼音模式 | 第29-34页 |
| 3.2.1 音码编码(soundcode SC) | 第29-31页 |
| 3.2.2 易混拼音分组 | 第31-32页 |
| 3.2.3 基于易混拼音分组的敏感词识别算法 | 第32-34页 |
| 3.3 词的简称模式 | 第34-36页 |
| 3.3.1 词的简称 | 第34-35页 |
| 3.3.2 敏感词的简称识别算法 | 第35-36页 |
| 3.4 词的拆分模式 | 第36-39页 |
| 3.4.1 汉字拆分 | 第36-38页 |
| 3.4.2 基于BM的敏感词拆分识别算法 | 第38-39页 |
| 3.5 本章小结 | 第39-40页 |
| 第4章 文本敏感信息过滤 | 第40-46页 |
| 4.1 文本预处理 | 第40页 |
| 4.2 文本敏感程度计算 | 第40-44页 |
| 4.2.1 敏感程度的影响因子 | 第40-43页 |
| 4.2.2 文本敏感程度计算 | 第43-44页 |
| 4.3 文本敏感信息过滤算法 | 第44-45页 |
| 4.4 本章小结 | 第45-46页 |
| 第5章 实验与分析 | 第46-52页 |
| 5.1 实验环境 | 第46页 |
| 5.2 数据集 | 第46-47页 |
| 5.3 实验结果与分析 | 第47-50页 |
| 5.3.1 敏感词变形体的识别 | 第47-48页 |
| 5.3.2 文本敏感信息过滤 | 第48-50页 |
| 5.4 本章小结 | 第50-52页 |
| 总结与展望 | 第52-53页 |
| 论文完成的主要工作 | 第52页 |
| 未来工作展望 | 第52-53页 |
| 参考文献 | 第53-56页 |
| 附录: 攻读硕士学位期间的科研情况 | 第56-57页 |
| 致谢 | 第57页 |
