Национальный цифровой ресурс Руконт - межотраслевая электронная библиотека (ЭБС) на базе технологии Контекстум (всего произведений: 634840)
Контекстум
Руконтекст антиплагиат система
Вестник Московского университета. Серия 15. Вычислительная математика и кибернетика  / №4 2016

МЕТОДЫ МАШИННОГО ОБУЧЕНИЯ ДЛЯ АНАЛИЗА ПОВЕДЕНИЯ ПОЛЬЗОВАТЕЛЕЙ ПРИ РАБОТЕ С ТЕКСТОВЫМИ ДАННЫМИ В ЗАДАЧАХ ИНФОРМАЦИОННОЙ БЕЗОПАСНОСТИ (60,00 руб.)

0   0
Первый авторМашечкин
АвторыПетровский М.И., Царёв Д.В.
Страниц7
ID501714
АннотацияВ статье предлагается новый метод обнаружения фактов работы пользователей с несвойственными документами на основе оценки принадлежности текста документа к характерным тематикам анализируемого пользователя. Формирование характерных тематик осуществляется с помощью тематического моделирования, реализованного с применением ортонормированной неотрицательной матричной факторизации. Экспериментальное исследование на примере реальной корпоративной переписки пользователей, сформированной из набора данных Enron, показало высокую точность классификации предложенного метода по сравнению с традиционными подходами
УДК004.94; 004.912
Машечкин, И.В. МЕТОДЫ МАШИННОГО ОБУЧЕНИЯ ДЛЯ АНАЛИЗА ПОВЕДЕНИЯ ПОЛЬЗОВАТЕЛЕЙ ПРИ РАБОТЕ С ТЕКСТОВЫМИ ДАННЫМИ В ЗАДАЧАХ ИНФОРМАЦИОННОЙ БЕЗОПАСНОСТИ / И.В. Машечкин, М.И. Петровский, Д.В. Царёв // Вестник Московского университета. Серия 15. Вычислительная математика и кибернетика .— 2016 .— №4 .— С. 35-41 .— URL: https://rucont.ru/efd/501714 (дата обращения: 27.04.2024)

Предпросмотр (выдержки из произведения)

В статье предлагается новый метод обнаружения фактов работы пользователей с несвойственными документами на основе оценки принадлежности текста документа к характерным тематикам анализируемого пользователя. <...> Формирование характерных тематик осуществляется с помощью тематического моделирования, реализованного с применением ортонормированной неотрицательной матричной факторизации. <...> Экспериментальное исследование на примере реальной корпоративной переписки пользователей, сформированной из набора данных Enron, показало высокую точность классификации предложенного метода по сравнению с традиционными подходами! <...>