Некоторые аспекты повышения эффективности механизмов контентной фильтрации трафика
Some aspects of the effectiveness improve of content-filtering software

УДК 004.7, 004.272.44

В данной статье приводятся некоторые подходы к повышению эффективности контентной фильтрации и основных алгоритмов категоризации текста в интеллектуальном контент-анализе. Целью статьи является выбор наиболее эффективного способа обработки запросов в подсистеме контентной фильтрации.

The article suggests some approaches which are aimed at increasing efficiency of the content filtering and the main algorithms of the text categorizing in the intellectual content analysis. The purpose of article is the choice of the most effective method of request processing in a subsystem of the content filtering.

Авторы:

Лазарев Сергей Александрович

Белгородский государственный национальный исследовательский университет, г. Белгород
Зам. директора по научной и инновационной деятельности, к.э.н., доцент

Демидов Александр Владимирович

Орловский государственный университет имени И. С. Тургенева, г. Орел
К.т.н., доцент кафедры информационных систем

Шатеев Роман Валерьевич

ФГБОУ ВПО «Госуниверситет−УНПК», г. Орел.
Аспирант кафедры «Информационные системы»

Список цитируемой литературы:

  • Internet 2012 in numbers [Электронный ресурс] — Режим доступа: http://royal.pingdom.com/2013/01/16/internet-2012-in-numbers/, свободный — Яз. англ.
  • С. А. Лазарев, Р. В. Шатеев, Построение подсистемы контентной фильтрации интернет-трафика на базе свободного программного обеспечения [Электронный ресурс] / Информационные ресурсы, системы и технологии — Режим доступа: http://irsit.ru/article124, свободный — Яз. рус.
  • Neural networks for Web content filtering [Текст] / P.Y. Lee, S.C. Hui, and A.C. Fong // IEEE Intelligent Systems, vol. 17, no. 5, Sept.-Oct., 2002. c. 48-57.
  • Internet Filter Software Review 2013 [Электронный ресурс] — Режим доступа: http://internet-filter-review.toptenreviews.com, свободный — Яз. англ.
  • Platform for Internet Content Selection (PICS) [Электронный ресурс] — Режим доступа: http://www.w3.org/PICS/, свободный — Яз. англ.
  • Protocol for Web Description Resources (POWDER): Description Resources [Электронный ресурс] — Режим доступа: http://www.w3.org/TR/powder-dr/, свободный — Яз. англ.
  • Что сказал Льюис Кэрролл о проблемах «семантической паутины»? / МОО «Информация для всех» [Электронный ресурс] — Режим доступа: http://www.ifap.ru/pr/2008/080723a.htm, свободный — Яз. рус.
  • WebGuard: A Web filtering engine combining textual, structural and visual content-based analysis [Текст] / M. Hamammi, Y. Chahir, and L. Chen // IEEE Trans. Knowl. Data Eng., vol. 18, no. 2, Feb. 2006. c. 272-284.
  • A re-examination of text categorization methods [Текст] / Y. Yang and X. Liu // Proc. SIGIR’99, 22nd ACM International Conference on Research and Development in Information Retrieval, 1999. c.42-49.
  • Machine learning in automated text categorization [Текст] / F. Sebastiani // ACM Comput. Surv., vol. 34, no. 1, March 2002. c. 1-47.
  • Using Web structure for classifying and describing Web pages [Текст] / E.J. Glover, K. Tsioutsiouliklis, S. Lawrence, D.M. Pennock, and G.W. Flake // Proc. World Wide Web (WWW), 2002. c. 562-569.
  • Automatic Web page categorization by link and context analysis [Текст] / G. Attardi, A. Gulli, and F. Sebastiani // Proc. THAI-99, First European Symp. Telematics, Hypermedia, and Artificial Intelligence, 1999. c. 105-119.
  • Machine learning [Текст] / T. Mitchell // McGraw Hill, 1996.
  • Лазарев, С.А. Применение технологии обратного проксирования в рамках системы управления информационным обменом сети корпоративных порталов [Текст] / С.А. Лазарев, А.В. Демидов // Информационные системы и технологии. — Орел: Госуниверситет — УНПК, 2011. — № 6 (68) ноябрь-декабрь. — С. 129-134.
  • Overfitting [Электронный ресурс] / Wikipedia, the free encyclopedia — Режим доступа: http://en.wikipedia.org/wiki/Overfitting, свободный — Яз. англ.
  • Chakrabarti S. Mining The Web Discovering Knowledge From Hypertext Data [Текст] / S. Chakrabarti ; Morgan Kaufmann Publishers, 2004.
  • Лорьер, Ж.-Л. Системы искусственного интеллекта [Текст] / Ж.-Л. Лорьер ; пер. с фр. В.Л. Стефанюк. — М. : Мир, 1991 . — 568 с.
  • Прикладная статистика: классификация и снижение размерности [Текст] / Айвазян С. А., Бухштабер В. М., Енюков И. С., Мешалкин Л. Д. — М.: Финансы и статистика, 1989.

Последние новости

Случайный материал

  • В статье рассматриваются вопросы эффективной организации мониторинга процессов оказания электронных услуг. В качестве инструмента проведения мониторинга предлагается использовать автоматизированную систему, обеспечивающую адаптивную организацию процессов сбора, хранения и обработки данных. Сформулированы системные и технологические задачи организации мониторинга, раскрыты их сущность и принципы решения.
    Фролов Алексей Иванович, ФГБОУ ВПО «Госуниверситет – УНПК», г. Орел
  • В данной статье рассматриваются подходы к созданию подсистемы стабилизации температуры в барокамере экспериментальной системы контроля качества приборов. Данная подсистема позволяет управлять величиной тока, подаваемого на термоэлектрический модуль, для поддержания воздушной среды управляемого объекта – барокамеры в пределах заданной величины.
    Демина Юлия Александровна, ФГБОУ ВПО «Госуниверситет – УНПК», г. Орел
    Вереницын Андрей Игоревич, ФГБОУ ВПО «Госуниверситет – УНПК», г. Орел
    Демина Елена Григорьевна, ФГБОУ ВПО «Госуниверситет – УНПК», г. Орел
  • В данной статье рассматривается актуальность применения свободного программного обеспечения для оказания электронных услуг населению, а также выявляются проблемы при его внедрении и сопровождении.
    Стычук Алексей Александрович, ФГБОУ ВПО «Госуниверситет – УНПК», г. Орел
    Постников Максим Владимирович, ФГБОУ ВПО «Госуниверситет – УНПК», г. Орел