《電子技術應用》
您所在的位置:首頁 > 人工智能 > 设计应用 > 安全类文章的多文本分类系统的设计与实现
安全类文章的多文本分类系统的设计与实现
《信息技术与网络安全》2020年第7期
吴习沫,朱广宇,张 雷
华北计算机系统工程研究所,北京100083
摘要: 目前安全类网站信息的分类标签各不相同,没有统一分类标准,使安全类网站无法准确地向用户展示特定类别的安全信息。面对大量的安全类网站的技术类文章信息,用户需要花费大量的时间来识别文本类别。因此,设计一个多文本分类系统对于提高安全类网站的用户体验和使用效率具有重要意义。开发了一套基于CNN和LSTM混合模型的安全类文章多文本分类系统,本系统采用基于Scrapy框架的网络爬虫,该网络爬虫支持定制化配置提取不同布局的页面数据,支持数据持久化存储。并在 CNN和 LSTM混合模型基础上设计实现了多文本自动标注模块,实现了网站安全类信息的自动分类,相对传统的CNN和LSTM模型分类准确率分别提升1.79%和1.54%,F1值分别提升1.02%和0.32%。
中圖分類號: TP391.1
文獻標識碼: A
DOI: 10.19358/j.issn.2096-5133.2020.07.009
引用格式: 吳習沫,朱廣宇,張雷. 安全類文章的多文本分類系統的設計與實現[J].信息技術與網絡安全,2020,
39(7):52-56,60.
Design and implementation of multi-text classification system for security articles
Wu Ximo,Zhu Guangyu,Zhang Lei
North China Institute of Computer Systems Engineering,Beijing 100083,China
Abstract: At present, the classification labels of security website information are different, and there is no unified classification standard, so that security websites cannot accurately display specific types of security information to users. Faced with a large number of technical article information of security websites, users need to spend a lot of time to identify text categories. So, it′s significant to design a multi-text classification system to advance the user experience and make use of security websites′ efficiency. This paper develops a security text multi-text classification system based on a hybrid model of CNN and LSTM. Based on the Scrapy framework, a web crawler, which supports both customized configuration to extract page data in different layouts and data persistence storage, is used in this system. Based on the mixed model of CNN and LSTM, a multi-text automatic labeling module is designed and implemented to realize the automatic classification of website security information. The rate of classification accuracy has increased by 1.79% and 1.54% in comparison with the traditional CNN and LSTM models respectively. Meanwhile,the F1 value has increased by 1.02% and 0.32%.
Key words : in-depth learning;text categorization;crawler;system

互聯網已成為信息傳播的普遍途徑,然而,由于互聯網中的冗余信息過多,各網站提供的標簽沒有統一的分類標準,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,針對網絡安全類網站的技術類文章,還沒有一套系統能夠很好地解決上述對應問題。

為迅速掌握最新的網絡安全信息,本文設計并實現了基于CNN和LSTM混合模型的安全類文章多文本分類系統,該系統從多種來源收集安全類技術文本,并將它們以特定格式匯總,自動標記匯總后的文章內容。就信息收集而言,系統主要采集近一年的安全類技術文本,收集的目標內容主要包括文章內容和網頁自帶的標簽,對于各網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。

面向網絡安全數據高并發的安全類網站,本文設計和實現了信息采集模塊,該模塊主要實現了基于Scrapy框架的分布式爬蟲程序設計,完成了多個安全類網站技術類文章的文本信息數據采集。

本文設計并實現了信息分類模塊,它負責對所獲得的數據進行預處理、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的優點,提高了模型的特征提取能力。實驗結果表明,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%。



本文詳細內容請下載:http://www.tom3567.com/resource/share/2000003231

作者信息:

       吳習沫,朱廣宇,張  雷

       (華北計算機系統工程研究所,北京100083)


此內容為AET網站原創,未經授權禁止轉載。
主站蜘蛛池模板: 亚州国产精品久久久| 国产成人亚洲综合91| 国产精品日韩欧美综合| 久久人人爽人人爽人人片亚洲| 日韩精品―中文字幕| 欧美久久在线| 欧美日韩一区二区在线免费观看| 久久人妻精品白浆国产| 国产精品视频中文字幕91| 久久99国产精品99久久| 国产精品九九九| 亚洲精品欧美日韩专区| 国产成人在线一区| 日本久久精品视频| www日韩视频| 97精品欧美一区二区三区| 99高清视频有精品视频| 国产精品一区免费观看| 欧美极品欧美精品欧美视频| 久久精品国产精品亚洲精品色| 国产精品三级网站| 国产成人精品日本亚洲专区61| 国产精品久久久久久久av大片| 久久久久久国产免费| 日韩精品福利视频| 性高潮久久久久久久久| 国产欧美精品aaaaaa片| 中文字幕欧美日韩一区二区三区| 国产精品日韩欧美| 久久久久免费视频| 国产精品九九九| 日产国产精品精品a∨| 91国产丝袜在线放| 国产成人综合精品| 日本一区二区三区视频免费看 | 高清视频一区二区三区| 国产精品美女av| 97久久久免费福利网址| 日韩一区免费观看| 亚洲精品国产精品久久| 欧美亚洲视频一区|