WebCM-一種基于搜索引擎的網絡內容監(jiān)控系統(tǒng)的研究.pdf

1、該文以網絡"電子警察"研究為背景,圍繞網絡內容監(jiān)控的三個關鍵問題進行了探索性研究.第一個是內容監(jiān)控中監(jiān)控模式的識別、表達、匹配問題.該文用機器學習的方式來識別監(jiān)控模式.我們提出了基于關鍵字的概念模型,來表達領域無關情況下的監(jiān)控模式.為了提高模型表達的精度,我們提出了基于ontology(本體論)的概念模型以充分利用領域相關的信息.通過計算監(jiān)控模式與被監(jiān)控的文檔之間的概念匹配度,解決了模式匹配的問題.第二個是網絡內容的獲取、組織、表達問題

2、.該文描述了一個高性能的網絡信息采集器,在有限的時間里獲得所要監(jiān)控的網絡上的信息.這些信息經過壓縮處理后分布在倉庫中.最后,我們定義了一個HTML標記集,通過"屬性—值"對的形式表達了網頁的內容.第三個是內容監(jiān)控系統(tǒng)的總體架構問題.該文描述了WebCM(WebContentMonitor)的原型系統(tǒng)的框架,通過可配置的學習模塊、信息采集模塊、內容分析與匹配模塊、結果顯示與反饋模塊,在實現基于文本的內容監(jiān)控的同時,為以后的基于圖象、語音的