信息隱藏作為信息安全研究領(lǐng)域的一個(gè)重要分支,主要研究在視頻、圖像、音頻和文本等載體中隱藏秘密信息,達(dá)到隱秘通信的目的。與其他類型的載體相比,文本具有直觀處理,數(shù)據(jù)量大等優(yōu)點(diǎn),但同時(shí)由于文本冗余度低導(dǎo)致難以在文本中隱藏更多信息。目前,國內(nèi)外研究較多的是基于語義的文本信息隱藏,基于語義的文本信息隱藏方法是一種通過變換字詞本身而不改變語義的隱藏方法,其中以同義詞替換的方法目前取得成果較多。傳統(tǒng)的基于同義詞替換方法依賴同義詞詞典,目前使用最多的同義詞詞典是《同義詞林》。但是隨著語言環(huán)境的改變,《同義詞林》中很多詞語已經(jīng)不能很好的適應(yīng)當(dāng)前研究環(huán)境。隨著互聯(lián)網(wǎng)用戶原創(chuàng)內(nèi)容的快速發(fā)展(UGC),大量的網(wǎng)絡(luò)新詞被發(fā)明,基于網(wǎng)絡(luò)新詞語的擴(kuò)展也逐漸發(fā)展成為一個(gè)研究熱點(diǎn)�；谕x詞替換信息隱藏主要思想是尋找出載體文本存在于詞典中的同義詞,根據(jù)需要嵌入的比特信息對(duì)載體文本的詞語做修改,達(dá)到嵌入秘密信息的目的。但嵌入的信息越多對(duì)載體操縱和編碼次數(shù)就越頻繁,會(huì)導(dǎo)致嵌入率較低,同時(shí)容易被統(tǒng)計(jì)隱寫分析工具檢測(cè)到�；谏鲜鰡栴},本文提出了一種動(dòng)態(tài)擴(kuò)展情感詞典的方法,采用特定規(guī)則識(shí)別語料中的情感詞,通過詞語向量工具wor...

【文章頁數(shù)】：63 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖2-1NNLM網(wǎng)絡(luò)結(jié)構(gòu)圖

圖2-1NNLM網(wǎng)絡(luò)結(jié)構(gòu)圖[30]M模型是一個(gè)三層的神經(jīng)網(wǎng)絡(luò),其網(wǎng)絡(luò)結(jié)構(gòu)如圖2-1所示。對(duì)于詞語前1個(gè)詞語序列為,…, ,模型的訓(xùn)練目標(biāo)就是根據(jù)前面預(yù)測(cè)下一個(gè)詞語。假設(shè)每個(gè)詞語和詞嵌入()對(duì)應(yīng)，輸入向量則是向量....

圖2-2RNN結(jié)構(gòu)圖

圖2-2RNN結(jié)構(gòu)圖2圖2-3LSTM結(jié)構(gòu)圖3型修改了RNN中及一單元的內(nèi)部結(jié)構(gòu)，具有刪除或添加信息到細(xì)力是由被稱為門（Gate）的結(jié)構(gòu)所賦予的。門是一種可選地讓由一個(gè)Sigmoid神經(jīng)網(wǎng)絡(luò)層和一個(gè)點(diǎn)乘法運(yùn)算組成。計(jì)算公式：=....

圖2-3LSTM結(jié)構(gòu)圖

圖2-3LSTM結(jié)構(gòu)圖3型修改了RNN中及一單元的內(nèi)部結(jié)構(gòu)，具有刪除或添加信息到細(xì)胞能力是由被稱為門（Gate）的結(jié)構(gòu)所賦予的。門是一種可選地讓信它由一個(gè)Sigmoid神經(jīng)網(wǎng)絡(luò)層和一個(gè)點(diǎn)乘法運(yùn)算組成。值計(jì)算公式：=(....

圖2-5CBOW網(wǎng)絡(luò)結(jié)構(gòu)圖

4CBOW和Skip-gram結(jié)構(gòu)框架三層：輸入層、投影層和輸出層。其預(yù)測(cè)當(dāng)前詞語，而skip-gram, , , 。對(duì)于這兩個(gè)模型一化（HierarchicalSoftmax）和負(fù)型都屬于淺層的神經(jīng)網(wǎng)絡(luò)。W(t)W(t)Skip-gram....

本文編號(hào)：3934477