基于LDA模型的在线网络信息内容安全事件分类

摘要：

针对在线网络信息内容安全事件的分类问题,利用网络用户通信信息中含有的时间、关系和内容特征均可基于文本描述的特点,引入LDA模型,提出了一种实时多维信息联合(RMIA-LDA)的在线信息内容安全事件分类模型及算法.以网络通信中的时间特征为轴,对由此划分出的各个时间片段中的通信关系、通信内容特征采用LDA模型进行建模分类,对分类结果的相似性进行度量后,再与增量更新数据部分的分类结果归纳合并,从而得到当前实时在线数据中的事件分类.仿真实验结果表明,该模型和算法可以有效实现网络中信息内容安全事件的在线分类,较现有算法具有优越的性能.

关键词：事件分类、信息内容安全事件、隐含狄利克雷分布、相似性度量、Gibbs抽样

所属期刊栏目：46

分类号：TP309(计算技术、计算机技术)

资助基金：国家高技术研究发展计划资助项目2011AA010605;国家科技重大专项课题项目2012ZX03006002-010

在线出版日期：2017-01-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：70-79