针对互联网时代网络言论不断增加而带来的监管难题,设计了基于语义识别和情感分析的网络舆情监测系统.首先,根据资源特征,构建了通用的网页爬取框架,通过去噪和去重后将结构化舆情信息储存到数据库中;然后,对分类特征进行降维处理并改进分类算法,同时,针对话题发现模型中存在的问题,提出一种情感词典扩充方法,能够对未知的情感词进行情感倾向计算;最后,针对不同影响强度的舆情监测结果进行相应的处理,实现主动监管.通过对比发现,相较于传统机器学习分类方法的任务繁杂,基于语义识别和情感分析的网络舆情监测系统,结合了弱监督机器学
目前DECA模型在人脸重建方面取得了比较好的成果,但是对于光线影响较大的室外人脸图进行训练时,效率不高且总体性能一般,针对此问题,提出了一种基于DECA的改进算法.首先将原来的SGD优化方法改进为Adam优化器;其次加入正则化损失,提高重建后的效果,并以此来达到避免过度拟合等情况,提升算法的泛化能力.实验结果表明,改进后的DECA相比于原基础上效率平均提升了5％,并且重建效果得到了很大的改善,在一定程度上改善了性能与效率不足的问题.
随着互联网、大数据融合技术的迅速发展,TOR提供的匿名网络也得到了迅速发展.非法分子利用匿名技术进行大量违法活动,所以对隐藏服务进行探索具有重要意义.基于此,对基于分布式云虚拟化的TOR隐藏服务进行了研究.首先简要介绍了目前最为流行的暗网匿名通信系统TOR,分析其技术原理;其次提出了一种基于分布式云虚拟化的TOR隐藏服务的爬行方法,从而更好地监视隐藏服务状态,对其进行跟踪;最后分析真实的隐藏服务内容,产生风险等级报告等,有助于执法人员对匿名网络进行更有效地监管,维护我国网络安全.在为期一个月的实验中成功收