WebCM-一種基于搜索引擎的網(wǎng)絡(luò)內(nèi)容監(jiān)控系統(tǒng)的研究.pdf

1、該文以網(wǎng)絡(luò)"電子警察"研究為背景,圍繞網(wǎng)絡(luò)內(nèi)容監(jiān)控的三個關(guān)鍵問題進行了探索性研究.第一個是內(nèi)容監(jiān)控中監(jiān)控模式的識別、表達、匹配問題.該文用機器學(xué)習(xí)的方式來識別監(jiān)控模式.我們提出了基于關(guān)鍵字的概念模型,來表達領(lǐng)域無關(guān)情況下的監(jiān)控模式.為了提高模型表達的精度,我們提出了基于ontology(本體論)的概念模型以充分利用領(lǐng)域相關(guān)的信息.通過計算監(jiān)控模式與被監(jiān)控的文檔之間的概念匹配度,解決了模式匹配的問題.第二個是網(wǎng)絡(luò)內(nèi)容的獲取、組織、表達問題

2、.該文描述了一個高性能的網(wǎng)絡(luò)信息采集器,在有限的時間里獲得所要監(jiān)控的網(wǎng)絡(luò)上的信息.這些信息經(jīng)過壓縮處理后分布在倉庫中.最后,我們定義了一個HTML標(biāo)記集,通過"屬性—值"對的形式表達了網(wǎng)頁的內(nèi)容.第三個是內(nèi)容監(jiān)控系統(tǒng)的總體架構(gòu)問題.該文描述了WebCM(WebContentMonitor)的原型系統(tǒng)的框架,通過可配置的學(xué)習(xí)模塊、信息采集模塊、內(nèi)容分析與匹配模塊、結(jié)果顯示與反饋模塊,在實現(xiàn)基于文本的內(nèi)容監(jiān)控的同時,為以后的基于圖象、語音的