导读:本文包含了语义安全论文开题报告文献综述及选题提纲参考文献，主要关键词:网络,舆情信息,舆情监测,语义识别
语义安全论文文献综述
龚韶,刘兴均[1]（2019）在《网络舆情安全监测语义识别研究综述》一文中研究指出本文从网络舆情基本概念的研究入手,分析了大数据时代网络舆情的基本特征,概述了网络舆情监测的研究现状,分别介绍了文本信息、图像信息、声音信息和视频信息等网络舆情信息的特征提取技术,对深度语义识别技术分别进行了介绍和比较,分析了网络舆情监测系统的语义识别流程,为网络舆情监测系统的建立提供了参考。(本文来源于《网络安全技术与应用》期刊2019年07期）
李志坚[2]（2019）在《社交网络多模态语义空间学习与国民安全突发事件检测研究》一文中研究指出社交网络是近几年来兴起的基于用户关系的信息创造与传播平台。随着移动互联网的蓬勃发展,社交网络逐渐成为人们生活中不可或缺的一部分。用户在微博等社交网络平台发表文本内容的同时,通常会借助图像来对事件进行补充描述。因此,对社交网络多模态数据进行深度特征提取,并通过多模态语义空间学习实现多模态数据的信息融合,对于提升主题发现和突发事件检测的效果具有非常重要的意义。本文的主要工作包括以下几个方面:(1)针对社交网络文本数据,提出了基于用户互动行为特征的短文本语义扩展算法(UISSE),并利用深度去噪自编码网络对扩展后的文本数据进行深度特征提取;针对社交网络图像数据,提出了利用空间金字塔池化层对传统卷积神经网络进行改进的方法。实验结果表明,所提出的算法在分类实验中的准确率、召回率和F-measure等指标与对比算法相比均有所提升。(2)提出了社交网络多模态深度量化算法(MDQS)。MDQS算法将文本数据和图像数据的深度特征映射到连续的潜在语义空间中,并进一步映射到离散的哈希语义空间中提高了检索效率。实验结果表明,MDQS算法能够有效地对社交网络数据集进行多模态语义空间的学习,并且在同模态搜索和跨模态搜索实验中的实验结果均优于对比算法。(3)提出了基于社交网络多模态语义空间的话题检测算法(MSSTD)。MSSTD算法对每个时间窗内的社交网络数据分别构造文本图和视觉图,并根据语义相似度和时间误差系数进行多模态图融合,最后通过话题恢复算法得到话题发现和突发事件检测的结果。实验结果表明,MSSTD算法能够有效地根据社交网络跨媒体大数据进行突发事件检测,并且所检测到的话题质量和话题突发度均优于对比算法。(4)设计并实现了社交网络多模态语义空间学习与国民安全突发事件检测系统。系统包含数据采集、深度特征提取、突发事件检测和系统展示四个模块,有效地验证了本文所提出的一系列算法,并且具有一定的实用价值。(本文来源于《北京邮电大学》期刊2019-05-29）
杨从先[3]（2019）在《基于跨媒体语义特征的在线社交网络国民安全信息搜索研究》一文中研究指出随着社交网络用户群体的日益扩大,社交网络中每天产生的数据也越来越多,社交网络中的数据往往存在着噪声性、多样性及语义稀疏性等问题。针对社交网络数据存在的上述问题,本文对社交网络跨媒体时空特性数据的感知获取、社交网络跨媒体数据的语义提取建模,社交网络数据跨媒体语义搜索进行研究,最终实现了基于跨媒体语义特征的在线社交网络国民安全信息搜索系统。论文完成的主要工作如下:(1)在社交网络跨媒体时空特性数据的感知获取方面,针对社交网络数据广泛存在的噪声性、多样性问题,提出了一种社交网络国民安全时空特性数据获取方法。通过建立国民安全关键词词库,对社交网络跨媒体数据进行组织获取,过滤社交网络数据中存在的噪声信息,对社交网络跨媒体有效数据进行存储。通过提取社交网络对象时间信息、空间位置信息、用户状态信息等,对社交网络国民安全跨媒体数据的时空特性进行感知与获取。(2)在社交网络跨媒体数据的语义提取建模方面,针对社交网络数据存在模态形式多样以及语义稀疏性的特点,提出了基于时空主题词嵌入的文本语义建模算法(STTE)和时空跨媒体语义关联建模算法(STECM)。对于社交网络中的文本数据,结合数据的时空特性,对文本的时间信息和地理空间信息进行建模,通过结合语料数据中的全局和局部上下文信息,充分挖掘文本上下文之间的关联,获得最准确的特征,与传统的主题概率模型相比分类准确率提高了12.7%,与传统词嵌入模型相比分类准确率提高了9.2%。对于社交网络中的图像数据,通过卷积神经网络提取图像的深度特征,对图像数据的视觉特征进行抽象学习,获得图像的深度特征表示,并使用跨模态关联映射函数建立跨媒体数据间的语义映射关系,关联后的跨模态特征在社交网络国民安全数据上的分类性能提高了6.9%。(3)在社交网络数据跨媒体语义搜索方面,针对社交网络数据的多样性和噪声性问题,提出了基于深度随机游走的跨媒体语义关联映射算法(DWM),通过挖掘社交网络数据间的深度语义关联,实现了跨媒体语义关联映射。提出了基于语义扩展和深度哈希网络的社交网络跨媒体搜索算法(DHCS)。结合语义信息扩展和哈希编码,在社交网络跨模态搜索场景下,MAP指标与传统跨媒体空间搜索算法相比提高了13.1%,PR曲线指标相比对比算法提高了21.2%。(4)设计并实现了基于跨媒体语义特征的在线社交网络国民安全信息搜索系统。系统包括社交网络国民安全数据感知获取模块、社交网络国民安全数据特征提取建模模块,以及社交网络国民安全数据跨媒体语义空间搜索模块,实现了社交网络跨媒体国民安全信息的搜索。(本文来源于《北京邮电大学》期刊2019-05-29）
王聪[4]（2019）在《社交网络跨媒体国民安全语义学习与微博话题搜索的研究》一文中研究指出随着社交网络的普及,越来越多的用户通过社交平台传递信息,使得大量数据在社交网络上快速、广泛传播。社交网络中数据的存在形式不单是文本,还存在着图像、视频等多种类型。因此提取跨媒体数据中的语义信息,完成数据在统一语义空间中的特征表达具有重大意义。同时,用户在社交平台上的信息搜索需求日益增加。对于微博等平台上文本字数的限制问题,研究查询扩展的方法来满足用户搜索需求成为热点。本文完成的主要工作如下:(1)通过对原始AlexNet 网络结构进行改进,提出了一个针对社交网络数据特征提取的新型AlexNet-Social神经网络模型。AlexNet-Social神经网络模型可以更为有效地提取社交网络数据的深度语义信息,并减少模型参数计算量。在社交网络图像数据集上进行实验,AlexNet-Social神经网络模型的分类准确度指标比改进前的模型提升约5.6%,AlexNet-Social模型的训练效率比改进前的模型提升约36%。(2)提出了一个针对社交网络国民安全类事件的跨媒体语义模型CSMBA(Cross-modal Semantic Model Based on AlexNet-Social),模型采用深度神经网络分别提取文本与图像数据的特征,并采用注意力机制完成了两种语义特征的统一表达。在社交网络文本与图像数据集上,CSMBA模型对相关事件识别任务的精确率、召回值、F值评价指标相比对比模型均有较大提升。(3)提出了一个结合社交特性与时间因素的微博搜索算法WSAST(Weibo Searching Algorithm Combining Social and Time Factors)。在查询词拓展方面,提出了结合语义相似度与时间相似度进行查询词扩展的方法,不但利用了微博文本中的语义信息,而且考虑词语的时间分布状况。在搜索结果重排方面,采用结合文本词频与微博热度的重排,充分利用微博用户参与的社交特性来优化搜索结果。实验表明WSAST算法在搜索准确率指标上相比其他对比算法有最好的表现。WSAST算法有效地提高了微博搜索的表现,较好地满足用户的搜索需求。(4)设计实现了微博国民安全事件识别与话题搜索系统。通过需求分析确定系统的五个功能模块:数据预处理功能模块、国民安全事件数据库建立模块、国民安全事件类别扩展模块、微博话题搜索模块与系统可视化模块。对系统功能进行了测试,测试结果表明系统可以满足识别微博中国民安全事件以及优化用户搜索的需求。(本文来源于《北京邮电大学》期刊2019-05-29）
王众,梁早清,郑业鲁,刘永宁[5]（2019）在《语义网技术与区块链技术的交集在农产品质量安全追溯领域的应用》一文中研究指出农产品的质量追溯信息平台覆盖了农产品供应链的各环节,其使用效率和效果受到两方面因素的影响:(1)数据采集形式对追溯履历(pedi gr ee)获取的及时性、准确性和完备性的影响;(2)数据登记和服务形式对数据安全与查询服务体验的影响。归结起来是农产品质量安全数据的关联价值与可靠性的范畴。文章讨论了在供应链各环节数据化程度基本满足的前提和半开放的应用场景下,通过语义网技术与区块链技术结合,建立起分布式、有信用保障的农产品质量安全追溯应用体验的可能性,并提出一个概念验证系统的设计。(本文来源于《农业图书情报》期刊2019年01期）
陈梓华,李敬兆[6]（2018）在《煤矿安全隐患智能语义采集与智慧决策支持系统》一文中研究指出针对现有煤矿安全隐患智能语义采集与决策系统存在欠缺智能语义提取功能和多属性互联检索分析与决策功能、智能化程度不高等问题,设计了一种基于改进卷积神经网络(CNN)和蚁群算法(ACO)的煤矿安全隐患智能语义采集与智慧决策支持系统。该系统采用基于CNN的智能语义采集模型,利用CNN算法匹配出相似度最高的近义关键词,通过映射表关联到标准关键词,解决了相近语义的关键词匹配精度不高的问题;采用基于ACO的智慧检索模型,通过ACO算法负反馈和正向加强的方式标记高频度检索条例,实现了被检索的高频度条例的智能显示。实验与应用结果表明,该系统可实现多属性语义关键词的互联查询、高频度检索条例的智能显示、隐患问题相关数据的实时跟踪、数据统计图的多样化显示、决策分析预警简报的智能生成等功能。(本文来源于《工矿自动化》期刊2018年11期）
李博,戚晓鹏,李言飞,陈强,马俊才[7]（2018）在《语义网在生物安全监测领域的应用研究》一文中研究指出近年来,随着各个学科领域数据信息的不断增长,语义网的研究及应用逐渐变成了热点及难点,一个重要的原因就是对知识共享、知识集成及知识使用的强大需求。生物安全是当今社会关注的重要问题之一,新发突发传染病、蚊虫等重要传播媒介与疾病传播等一系列安全问题影响着人类的日常生活、国家经济等。本文首先对语义网的相关技术进行介绍和总结,如RDF、本体等,并着重将语义网相关技术应用在生物安全监测领域上,利用现有的标准体系框架,建立适合生物安全监测的统一数据标准体系及数据整合与转换技术,便于进一步数据集成、数据挖掘。(本文来源于《科研信息化技术与应用》期刊2018年04期）
薛子育[8]（2018）在《面向食品安全的图像语义分析算法研究》一文中研究指出国务院在“十叁五”国家食品和药品安全规划的通知中指出,保障食品安全是建设健康中国、增进人民福祉的重要内容,是以人民为中心发展思想的具体体现。随着人民生活水平的不断提高,食品安全问题受到更多关注。互联网上食品安全方向的正确引导关系到该领域的健康发展,然而随着网络传播载体由文字逐渐转为图像视频等视觉媒体,无法直接进行内容检索,未标记或错标记的食品视觉媒体错误地引导着舆论方向。正确利用互联网中的食品视觉媒体,正确归类并标记图像,从中获取知识,是构建食品安全图谱的前提条件,同时也可以正确引导食品安全的舆论方向,推动领域的快速健康发展。然而图像的精确标注需要消耗大量的人工操作且效率较低,自动对图像进行标记逐渐成为研究的热点和难点。面向食品安全的图像语义分析方法是一种利用机器标注和描述食品图像的方法。主要分为叁个步骤:图像特征提取、目标区域选择以及语句生成。现有的特征提取方法和目标区域选择方法大多利用CNN等常用的特征提取模型,较少考虑在语句生成过程中,词汇之间的关联性;在语句生成过程中,语法较为单一,语句的平滑性较差;并且在模型训练过程中,食品类图像库较少,模型的表现能力有待进一步加强。针对以上问题,本文主要提出面向食品安全的图像语义分析方法。主要从特征提取、目标区域选择和语句生成叁方面展开研究。主要贡献包括:(1)针对特征提取不准确的问题,提出一种基于高层语义的鲁棒特征表示算法。通过对卷积层增加频道注意力模型,使特征提取过程分散到各个卷积过程当中。通过各个层之间与图像库的特征对比,选取尽可能准确的特征进行传递;(2)针对特征选择不恰当的问题,提出一种目标区域精确定位的方法。利用双向递归神经网络使图像目标区域和词汇短语进行配对,并通过此记忆模型选取排名更靠前的特征关系对,使之拼凑为一个特征向量,作为语句生成模型的输入;(3)针对句法生成较为单一,语句缺乏平滑性连贯性等问题,提出语句关联度最优匹配度模型。利用生成式对抗网络进行博弈,其中生成器和鉴别器都采用单层的长短时记忆模型,生成器不断产生语句,鉴别器对其不断进行鉴别。当生成器产生语句足以蒙骗鉴别器时,选择此生成器作为语句生成模型;(4)针对食品图像集少,食品图像语义分析模型难以训练等问题,本文构建了“北京工商大学食品图像集”,利用此图像集以及本文提出的图像特征提取模型和语句生成模型,提出面向食品安全的图像语义分析框架,该框架可以有效的对食品图像进行语句分析,对图像的文字表示和知识转换有较好的作用。在现有的数据集上实验表明,本文提出的方法较主流方法在叁种评价指标上都有不同程度的提高。本文提出的面向食品安全的图像语义分析框架,对机器学习在食品安全领域的开展和研究有一定的参考价值。(本文来源于《北京工商大学》期刊2018-05-01）
何奕江[9]（2018）在《社交网络跨媒体国民安全事件语义学习与行为分析研究》一文中研究指出社交网络日益流行并且大量用户持续活跃,社交网络积累了大量用户产生的数据。社交网络中除了文本之外,还包括图像等多种异构媒体数据。微博因为文字数量限制,在用简明扼要的文字说明之后,通常会借用一幅或者多幅图像来对事件进行描述。因此解决文本图像内容不严格对应问题,对异构模态数据进行分析与建模,实现语义一致性表达和异常检测是非常必要的。本文完成的主要工作如下:(1)采用深度学习理论与算法以实现社交网络图像与文本深度特征的提取与表达。提出了一种基于深度卷积神经网络的社交网络图像自编码算法(DCNNSE),提高了图像编码的有效性。在社交网络数据集上,图像自编码算法使图像搜索的准确度提升了 27.1%。提出了一种文本半监督嵌入自动编码算法(SEAC),在文本编码具有文本语义的同时也加入了时空信息,相比Word2vec在搜索上的平均精确度与准确率上都有提升。(2)提出了一种处理社交网络跨模态匹配问题的深度典型相关性分析融合回归神经网络(DMRN),通过在回归网络的输入之前执行图像和文本特征的非线性处理,再结合了深度典型相关性分析,在跨媒体搜索中图像搜索文本和文本搜索图像的召回率分别提升了12.6%和 11.8%。(3)提出了基于层次注意力加权的异常用户检测模型(LAWW),针对社交网络言论较短、判断异常用户较难的问题,通过采用注意力机制与统计学特征对输入加权,挖掘出了更有效的检测特征,提出的LAWW算法在异常用户检测准确率达到了 73.32%。(4)设计和开发了社交网络跨媒体国民安全事件语义学习与行为分析系统。提供深度神经网络模型参数设置功能。通过对输入数据进行学习,提取出社交网络跨媒体数据的深度特征。实现了跨媒体多模态的语义空间映射、跨媒体多模态的搜索、跨媒体多模态用户行为分析等功能。系统功能全面,并实现了友好的用户交互界面。本文实现了社交网络跨媒体深度特征提取,提出了社交网络跨媒体语义空间的映射与表示,针对社交网络异常用户进行了检测,开发了社交网络跨媒体国民安全事件语义学习与行为分析系统,并对系统进行了测试与验证。(本文来源于《北京邮电大学》期刊2018-03-01）
陈燕方,周晓英,张璐[10]（2018）在《基于语义共现匹配的在线食品安全谣言相关文档识别方法研究》一文中研究指出[目的/意义]文章通过设计一种有效的在线食品安全谣言相关文档识别方法,从而提升人工审核的效率,减轻在线食品安全谣言传播带来的不良影响。[方法/过程]基于待分类文档中的词语分布在不同类型的特征向量库(在线食品安全谣言相关库以及非相关库)中的差异性,设计了基于无监督的文档特征相似性计算方法以及基于有监督的回归方法来识别在线食品安全谣言相关文档。[结果/结论]基于无监督的RM-Sort方法能够有效地识别在线食品安全谣言相关文档,并且优于现有的朴素贝叶斯,决策树以及支持向量机方法。进一步地,基于有监督的RM-LR方法效果则更优。[局限]模型只能够判别文档是否和食品谣言相关,但无法确定该文档是辟谣文章还是谣言文章本身。(本文来源于《情报理论与实践》期刊2018年06期）
语义安全论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
社交网络是近几年来兴起的基于用户关系的信息创造与传播平台。随着移动互联网的蓬勃发展,社交网络逐渐成为人们生活中不可或缺的一部分。用户在微博等社交网络平台发表文本内容的同时,通常会借助图像来对事件进行补充描述。因此,对社交网络多模态数据进行深度特征提取,并通过多模态语义空间学习实现多模态数据的信息融合,对于提升主题发现和突发事件检测的效果具有非常重要的意义。本文的主要工作包括以下几个方面:(1)针对社交网络文本数据,提出了基于用户互动行为特征的短文本语义扩展算法(UISSE),并利用深度去噪自编码网络对扩展后的文本数据进行深度特征提取;针对社交网络图像数据,提出了利用空间金字塔池化层对传统卷积神经网络进行改进的方法。实验结果表明,所提出的算法在分类实验中的准确率、召回率和F-measure等指标与对比算法相比均有所提升。(2)提出了社交网络多模态深度量化算法(MDQS)。MDQS算法将文本数据和图像数据的深度特征映射到连续的潜在语义空间中,并进一步映射到离散的哈希语义空间中提高了检索效率。实验结果表明,MDQS算法能够有效地对社交网络数据集进行多模态语义空间的学习,并且在同模态搜索和跨模态搜索实验中的实验结果均优于对比算法。(3)提出了基于社交网络多模态语义空间的话题检测算法(MSSTD)。MSSTD算法对每个时间窗内的社交网络数据分别构造文本图和视觉图,并根据语义相似度和时间误差系数进行多模态图融合,最后通过话题恢复算法得到话题发现和突发事件检测的结果。实验结果表明,MSSTD算法能够有效地根据社交网络跨媒体大数据进行突发事件检测,并且所检测到的话题质量和话题突发度均优于对比算法。(4)设计并实现了社交网络多模态语义空间学习与国民安全突发事件检测系统。系统包含数据采集、深度特征提取、突发事件检测和系统展示四个模块,有效地验证了本文所提出的一系列算法,并且具有一定的实用价值。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
语义安全论文参考文献
[1].龚韶,刘兴均.网络舆情安全监测语义识别研究综述[J].网络安全技术与应用.2019
[2].李志坚.社交网络多模态语义空间学习与国民安全突发事件检测研究[D].北京邮电大学.2019
[3].杨从先.基于跨媒体语义特征的在线社交网络国民安全信息搜索研究[D].北京邮电大学.2019
[4].王聪.社交网络跨媒体国民安全语义学习与微博话题搜索的研究[D].北京邮电大学.2019
[5].王众,梁早清,郑业鲁,刘永宁.语义网技术与区块链技术的交集在农产品质量安全追溯领域的应用[J].农业图书情报.2019
[6].陈梓华,李敬兆.煤矿安全隐患智能语义采集与智慧决策支持系统[J].工矿自动化.2018
[7].李博,戚晓鹏,李言飞,陈强,马俊才.语义网在生物安全监测领域的应用研究[J].科研信息化技术与应用.2018
[8].薛子育.面向食品安全的图像语义分析算法研究[D].北京工商大学.2018
[9].何奕江.社交网络跨媒体国民安全事件语义学习与行为分析研究[D].北京邮电大学.2018
[10].陈燕方,周晓英,张璐.基于语义共现匹配的在线食品安全谣言相关文档识别方法研究[J].情报理论与实践.2018