发明名称 |
一种基于模糊遗传算法的中文WEB信息过滤方法 |
摘要 |
本发明公开了一种基于模糊遗传算法的中文WEB信息过滤方法,其步骤如下:利用文本训练集,采用模糊遗传算法简历过滤模版;截获WEB数据包并解析,从中提取有效的文本信息;在获取的有效信息中提取网址信息、关键词信息以及中文域名信息,应用三层过滤机制进行初步过滤,返回过滤结果;将没有过滤掉的文本信息进行切词、去除停用词处理,并进行层次聚类,形成基于概念的逻辑段落,并计算特征项权重;将处理结果同过滤模版进行相似度匹配,返回匹配结果;综合过滤结果以及匹配结果,确定所获取的文本信息是否被过滤,将被过滤的网页信息直接屏蔽;利用反馈方法、结合用户反馈信息对过滤结果进行反馈,更新过滤模板。 |
申请公布号 |
CN101814086A |
申请公布日期 |
2010.08.25 |
申请号 |
CN201010106201.1 |
申请日期 |
2010.02.05 |
申请人 |
山东师范大学 |
发明人 |
刘培玉;朱振方 |
分类号 |
G06F17/30(2006.01)I;G06N3/12(2006.01)I |
主分类号 |
G06F17/30(2006.01)I |
代理机构 |
济南圣达专利商标事务所有限公司 37221 |
代理人 |
邓建国 |
主权项 |
一种基于模糊遗传算法的中文WEB信息过滤方法,其特征在于:所述过滤方法包括如下步骤:Step1:利用文本训练集,采用模糊遗传算法简历过滤模版;Step2:截获WEB数据包并解析,从中提取有效的文本信息;Step3:在获取的有效信息中提取网址信息、关键词信息以及中文域名信息,应用URL过滤、关键词过滤以及内容过滤的三层过滤机制进行初步过滤,返回过滤结果;Step4:将Step3中没有过滤掉的文本信息进行切词、去除停用词处理,并进行层次聚类,形成基于概念的逻辑段落,并计算特征项权重;Step5:将Step4中的处理结果同过滤模版进行相似度匹配,返回匹配结果;Step6:综合Step3的过滤结果以及Step5中的匹配结果,确定所获取的文本信息是否被过滤,并将为被过滤的信息重组为网页提交给用户,将被过滤的网页信息直接屏蔽;Step7:利用反馈方法、结合用户反馈信息对过滤结果进行反馈,更新Step5中的过滤模板。 |
地址 |
250014 山东省济南市历下区文化东路88号 |