网络内容安全中不良文本过滤研究
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.3 本文主要研究内容 | 第12-13页 |
| 1.4 论文结构安排 | 第13-14页 |
| 第二章 不良文本过滤的相关技术 | 第14-30页 |
| 2.1 信息过滤与文本过滤 | 第14页 |
| 2.2 不良文本过滤主要方法 | 第14-17页 |
| 2.2.1 基于分级平台的过滤 | 第14-15页 |
| 2.2.2 基于地址库的过滤 | 第15-16页 |
| 2.2.3 基于关键字的过滤 | 第16页 |
| 2.2.4 基于内容的过滤 | 第16-17页 |
| 2.3 常用的文本过滤模型 | 第17-18页 |
| 2.3.1 布尔模型 | 第17页 |
| 2.3.2 向量空间模型 | 第17页 |
| 2.3.3 潜在语义模型 | 第17-18页 |
| 2.4 特征选择方法 | 第18-19页 |
| 2.5 常用文本分类方法 | 第19-30页 |
| 2.5.1 K近邻分类器 | 第20页 |
| 2.5.2 贝叶斯分类器 | 第20-22页 |
| 2.5.3 SVM分类器 | 第22-24页 |
| 2.5.4 决策树模型 | 第24-30页 |
| 第三章 不良文本分类体系的构建 | 第30-44页 |
| 3.1 不良文本分类体系 | 第30-34页 |
| 3.1.1 营销类不良文本 | 第32页 |
| 3.1.2 敏感类不良文本 | 第32-33页 |
| 3.1.3 诈骗类不良文本 | 第33-34页 |
| 3.1.4 低俗类不良文本 | 第34页 |
| 3.2 不良文本过滤整体框架 | 第34-42页 |
| 3.2.1 文本获取模块 | 第35-38页 |
| 3.2.2 文本预处理模块 | 第38-40页 |
| 3.2.3 文本特征表示 | 第40-42页 |
| 3.3 不良文本过滤词典建立 | 第42-44页 |
| 第四章 不良文本的分类 | 第44-58页 |
| 4.1 数据集建立 | 第44-47页 |
| 4.2 中文文本处理 | 第47-51页 |
| 4.2.1 长短文本区分 | 第47页 |
| 4.2.2 正负样本不均衡 | 第47-48页 |
| 4.2.3 文本特征提取 | 第48-51页 |
| 4.3 不良文本分类 | 第51-53页 |
| 4.3.1 用户模型相似度的分类 | 第52页 |
| 4.3.2 基于组合树模型的分类算法 | 第52-53页 |
| 4.3.3 基于神经网络的分类算法 | 第53页 |
| 4.4 实验结果及分析 | 第53-58页 |
| 第五章 总结与展望 | 第58-60页 |
| 5.1 不良文本过滤的总结 | 第58页 |
| 5.2 工作的不足与未来的展望 | 第58-60页 |
| 参考文献 | 第60-62页 |
| 致谢 | 第62-64页 |
| 攻读学位期间发表的学术论文目录 | 第64页 |
