[发明专利]一种基于多分类器融合的敏感网页过滤方法及系统

摘要

本发明公开基于多分类器融合的敏感网页过滤系统及方法，处理对象是一幅网页，其处理结果是该网页是否包含敏感内容，此处的敏感可以定义为色情，反动，暴力等危害社会的不健康互联网内容。系统包括数据流的获取与预处理单元、图像与文本流过滤单元、图像过滤器与文本过滤器的信息融合单元，系统基于多个分类器的协作，在给定网页的统一资源定位器的条件下，获取该网页的源代码，在预处理阶段进行文本和图像的分流，获取文本信息和有效图像信息；利用决策树算法将输入网页分为三种样式；利用连续文本分类器、离散敏感文本分类器和图像分类器对网页进行识别，根据各分类器识别的输出结果进行融合计算，给出判别因子，将最终结果返回给浏览器。

主权项

1. 一种基于多分类器融合的敏感网页过滤方法，包括步骤：步骤S1：获取目标网页统一资源定位符的源代码，进行预处理，用于获取中文文本信息，获取网页中有效图像集合信息；步骤S2：基于预处理提供信息，利用决策树学习中的C4.5算法将输入网页中文文本和有效图像生成文本、图像及文本与图像的混合网页样式，用于获得文本流、图像流和文本与图像混合流信息；步骤S3：利用多分类器识别与网页样式的指定分配关系，获得目标网页；步骤S4：根据识别结果综合判断目标网页是否敏感，如果敏感，则执行步骤5，如果不敏感，则执行步骤6；步骤S5：将识别的敏感网页送入Web浏览器，并在浏览器中警示用户所浏览网页含有敏感内容，浏览被禁止；步骤S6：在Web浏览器中正常显示原网页。