文獻標識碼: A
DOI: 10.19358/j.issn.2096-5133.2020.07.009
引用格式: 吳習(xí)沫,朱廣宇,張雷. 安全類文章的多文本分類系統(tǒng)的設(shè)計與實現(xiàn)[J].信息技術(shù)與網(wǎng)絡(luò)安全,2020,
39(7):52-56,60.
互聯(lián)網(wǎng)已成為信息傳播的普遍途徑,然而,由于互聯(lián)網(wǎng)中的冗余信息過多,各網(wǎng)站提供的標簽沒有統(tǒng)一的分類標準,使得整合某一特定類的文章信息所消耗的時間成本和人力成本增加。但目前為止,針對網(wǎng)絡(luò)安全類網(wǎng)站的技術(shù)類文章,還沒有一套系統(tǒng)能夠很好地解決上述對應(yīng)問題。
為迅速掌握最新的網(wǎng)絡(luò)安全信息,本文設(shè)計并實現(xiàn)了基于CNN和LSTM混合模型的安全類文章多文本分類系統(tǒng),該系統(tǒng)從多種來源收集安全類技術(shù)文本,并將它們以特定格式匯總,自動標記匯總后的文章內(nèi)容。就信息收集而言,系統(tǒng)主要采集近一年的安全類技術(shù)文本,收集的目標內(nèi)容主要包括文章內(nèi)容和網(wǎng)頁自帶的標簽,對于各網(wǎng)站自定義的文章標簽,可作為多標簽的一部分,供用戶參考。安全類文本與普通文本對比需要由多個標簽對其進行標記分類處理。因此安全類文本的分類要難于普通文本分類處理。
面向網(wǎng)絡(luò)安全數(shù)據(jù)高并發(fā)的安全類網(wǎng)站,本文設(shè)計和實現(xiàn)了信息采集模塊,該模塊主要實現(xiàn)了基于Scrapy框架的分布式爬蟲程序設(shè)計,完成了多個安全類網(wǎng)站技術(shù)類文章的文本信息數(shù)據(jù)采集。
本文設(shè)計并實現(xiàn)了信息分類模塊,它負責(zé)對所獲得的數(shù)據(jù)進行預(yù)處理、文本表示以及文本分類,其中文本分類模塊具體提出了一種基于CNN和LSTM的混合分類模型,它綜合了CNN與LSTM的優(yōu)點,提高了模型的特征提取能力。實驗結(jié)果表明,基于CNN和LSTM的混合分類模型達到了比較高的準確率,CNN和LSTM的混合模型的準確率為91.99%。CNN-LSTM與CNN、LSTM相比分類準確率提高了1.79%和1.54%。
本文詳細內(nèi)容請下載:http://forexkbc.com/resource/share/2000003231
作者信息:
吳習(xí)沫,朱廣宇,張 雷
(華北計算機系統(tǒng)工程研究所,北京100083)