论文部分内容阅读
目前，在P2P文件共享系统中，以色情和政治不良倾向为代表的敏感资源广为传播，对社会造成了很坏的影响，如何识别并过滤这些敏感资源，成为当前P2P文件共享系统所面临的一个共同技术挑战。
本文立足于Maze文件共享系统，致力于敏感资源识别问题，做了如下工作：
1.)从文本分类的角度来考查敏感资源的识别，将敏感资源的识别看作一个二元文本分类问题，从而抛弃系统原有的关键词匹配算法，第一次在Maze系统中采用经验学习算法进行敏感资源识别。
2.)采用最小风险贝叶斯分类算法进行敏感资源识别，并根据Maze特点，构造了分类器。测试数据显示，对于镜像数为10的热门资源，该算法的敏感资源查全率与查准率分别达到了95.9％与94.9％，而关键词匹配算法仅为28.6％与86.6％；对于镜像数为l的非热门资源，该算法的敏感资源查全率与查准率分别达到71.2％与82.5％，而关键词匹配算法分别为10.2％与95.5％。
3)根据Maze中资源的特点，提出了“最小风险贝叶斯与公投相结合”的改进方案。测试数据显示，对于镜像数为1的非热门资源，改进方案的敏感资源查全率与查准率分别达到了84.4％与89.2％，但改进方案在热门资源的分类效果上并没有明显的改进。