基于Web信息的內(nèi)容及其特征提取方法的研究.pdf

1、隨著全球信息化的程度日益加深，種類多樣的Web信息已經(jīng)成為人們?nèi)粘Ｉ詈凸ぷ髦蝎@取信息的重要形式。Web信息資源的迅速增長，一方面提供給了人們一個方便快捷獲取全球各種信息的途徑，給人們的工作、學習和生活帶來了極大便利；但另一方面，Web信息的濫用也日益成為互聯(lián)網(wǎng)領(lǐng)域的一大難題，如：在互聯(lián)網(wǎng)上出現(xiàn)的許多色情、反動、暴力等不健康的內(nèi)容，還有不法分子利用BBS、電子郵件等形式進行反動宣傳、詐騙、敲詐勒索和恐怖威脅等非法活動，這些非法信息在浪費

2、寶貴網(wǎng)絡(luò)資源的同時，還破壞了網(wǎng)絡(luò)文明，給社會秩序和人身安全等方面造成了極大的危害。為了維護網(wǎng)絡(luò)文明和社會秩序，就需要找出這些非法信息的發(fā)布源并予以處置。然而這些非法信息的發(fā)布者總是想方設(shè)法掩蓋其真實身份以逃避偵查，如何在海量的信息中找出這些非法信息的發(fā)布源，還原他們的真實身份并依法處置，是亟待解決的關(guān)鍵問題。
　　在對Web信息發(fā)布源進行同一認定的過程中，特征的提取是關(guān)鍵性的問題。Web信息中包含的許多與主題無關(guān)的信息，在一定程度

3、上影響了Web信息特征提取的效率。所以在各種Web信息處理系統(tǒng)中，Web信息內(nèi)容的提取是必需解決的基礎(chǔ)問題。
　　考慮到這種社會需求和研究背景，本研究決定針對Web信息的內(nèi)容及其特征提取方法展開研究。本研究的目的就是以中文Web信息文本為研究對象，借鑒中文電子郵件特征提取的方法[9]，分析研究 Web信息的內(nèi)容及其特征提取方法，為Web信息發(fā)布源同一認定的研究奠定基礎(chǔ)，從而達到識別Web信息發(fā)布者真實身份的目的，為計算機取證提供依