基于詞性統(tǒng)計(jì)的中文文本零水印研究.pdf

1、隨著計(jì)算機(jī)應(yīng)用的普及與計(jì)算機(jī)網(wǎng)絡(luò)的發(fā)展，即使在圖像、視頻和音頻數(shù)據(jù)快速增長(zhǎng)的同時(shí)，文本數(shù)據(jù)仍然是互聯(lián)網(wǎng)上使用最多和最廣的一種信息載體，這樣就給電子文本的版權(quán)保護(hù)帶來(lái)了巨大的挑戰(zhàn)。如何保護(hù)作者、作品所有者的合法權(quán)益成了社會(huì)關(guān)注的熱點(diǎn)，而作為版權(quán)保護(hù)重要手段之一的文本水印也備受關(guān)注。目前，文本水印的研究成果大都集中在嵌入式水印，通過(guò)改變載體信息來(lái)達(dá)到嵌入水印的目的，這樣勢(shì)必會(huì)對(duì)載體造成一定的影響，甚至?xí)鸸粽叩淖⒁猓瑥亩茐乃?。而文?/p>

2、零水印不需要對(duì)原始載體做任何修改，它是通過(guò)提取文本中的一些特征信息來(lái)完成水印的生成，很好地解決了數(shù)字水印的不可見(jiàn)性和魯棒性之間的矛盾。
　　本文針對(duì)中文文本零水印進(jìn)行研究，深入分析已有的文本水印算法，結(jié)合自然語(yǔ)言處理技術(shù)，主要工作如下：
　　介紹了數(shù)字文本水印的概念、特點(diǎn)、分類，并對(duì)已有的文本水印算法進(jìn)行了詳細(xì)的闡述和深入的研究，分析各自優(yōu)缺點(diǎn)，總結(jié)了目前文本水印研究存在的一些問(wèn)題。
　　針對(duì)文本水印存在的嵌入復(fù)雜、水

3、印容量不夠及魯棒性不強(qiáng)等問(wèn)題提出了兩種不同的文本零水印算法。一種是基于詞性頻率的零水印算法，該算法結(jié)合自然語(yǔ)言處理技術(shù)，從漢語(yǔ)詞性出發(fā)，通過(guò)統(tǒng)計(jì)不同詞性的頻次確定中頻詞性，將該詞性的詞語(yǔ)作為文本特征來(lái)構(gòu)造水??；另一種是基于詞性信息熵的文本零水印算法，該算法利用前種算法中已有的詞性頻次來(lái)計(jì)算不同詞性出現(xiàn)的概率，用該概率獲得不同詞語(yǔ)的信息熵，進(jìn)而確定文本中每個(gè)句子的信息熵，選出句子信息熵大于閾值的句子，并進(jìn)行核心詞的提取作為文本特征信息。實(shí)