基于LDA涉密电子文档搜索模型初探.pdfVIP

I增刊I 基于LDA的涉密电子文档搜索模型初探 祁峰 中国科学院信息工程研究所 摘 要：涉密电子文档搜索是保密检查的重要工作内容之一。作为一种特殊的文本自动分类 任务，涉密电子文档搜索具有极大困难。常规的关键字检查方法简便但却存在准确率和召回率较 低的问题。本文构造了一种基于LDA的涉密电子文档搜索模型，并结合关键字方法进行优化，为 涉密电子文档搜索提出了新的解决思路。 关键词：LDA涉密文档搜索 1引言 涉密业务信息相关，涉及复杂的人工判断工作。在 进行文本自动分类时，首先需要从已知的文本训练 随着信息技术和电子政务的快速发展，越来越 集合中找到分类规则并构建学习器，使该学习器在 多的国家秘密信息以电子文档形式存在，针对计算 面对之后的新文本时有较好的预测精度，这对涉密 机或信息系统中涉密电子文档的搜索是保密检查的 文档来说难于实现。 重要工作内容之一。常规的涉密电子文档搜索程序