| 主权项 |
一种基于用户关注度的网络敏感信息监控方法，其特征在于，包括以下步骤：获取用户提供的种子词；关键词扩展步骤，将用户提供的种子词扩展为正相关关键词以及反相关关键词；搜索步骤，根据所述正相关关键词以及反相关关键词，基于互联网进行匹配搜索，得到待标注网页，待标注网页包括候选正例和候选反例，候选正例和候选反例分别由正相关关键词和反相关关键词搜索得到；网页挑选步骤，分析待标注网页，根据其内容将待标注网页分为两类，然后从每类网页中分别选出一个样本网页供用户标注，样本网页包含的网页数量由用户指定；标注步骤，集合用户对待标注网页标注后得到的正例和反例，得到用户标注数据集；评价步骤，采用SVM分类器训练法，将从候选正例和候选反例中选出的所有样本网页作为测试集，将所有非样本网页作为训练集，对待标注网页分类的准确性进行测试，得到分类的准确率，预先设定阈值，当分类的准确率达到阈值时，评价步骤完成，当分类的准确率未达到阈值时，返回网页挑选步骤，调整需要标注的正例和反例的数量，重复标注步骤和评价步骤，直至分类的准确率达到阈值，此时集合正例和反例得到用户标注数据集，其中，如果分类的准确率未达到阈值，进入下一轮评价步骤时，正例和反例在下一轮评价步骤中的数量根据如下计算方法调整：正例的数量＝用户标注网页的总数*(当前反例的比例+当前分类错误中反例的比例)/2；反例的数量＝用户标准网页的总数*(当前正例的比例+当前分类错误中正例的比例)/2；学习步骤，基于所述用户标注数据集，学习用户需求，得到用户的需求模型；监控步骤，依据所述用户的需求模型，对通过用户提供的种子词搜索得到的网页进行过滤，保留满足用户需求的网页；分析步骤，对所述满足用户需求的网页进行分析，按照网页所属类别进行聚类，形成满足用户需要的网络敏感信息报告。 |
