引言

隨著網(wǎng)絡(luò)基礎(chǔ)設(shè)施和信息通信技術(shù)的提升，互聯(lián)網(wǎng)的規(guī)模迅速擴大。根據(jù)2024年發(fā)布的第53次《中國互聯(lián)網(wǎng)絡(luò)發(fā)展狀況統(tǒng)計報告》，我國網(wǎng)民人數(shù)已達10.92億，互聯(lián)網(wǎng)普及率達到77.5%［1］。互聯(lián)網(wǎng)的發(fā)展帶來了信息傳播的便利，也帶來了信息安全和內(nèi)容監(jiān)管方面的挑戰(zhàn)。在西藏等少數(shù)民族地區(qū)，這一挑戰(zhàn)尤為顯著。西藏地處中國的邊疆地區(qū)，擁有悠久的歷史和豐富的文化遺產(chǎn)，同時也面臨著綜合治理的重大挑戰(zhàn)。網(wǎng)絡(luò)上發(fā)布的敏感信息，其中包含惡意攻擊和歧視性語言等，嚴重侵犯了個人權(quán)利和尊嚴，導致個體心理、價值觀和行為規(guī)范的扭曲。此外，虛假新聞或謠言的泛濫可能會破壞社會信任，嚴重違反社會公德和法律法規(guī)，很容易引起社會大眾的不滿與抵制，還會給社會秩序、國家穩(wěn)定與團結(jié)帶來不利影響［2］。

針對網(wǎng)絡(luò)敏感信息的自動檢測和過濾問題，相關(guān)研究者采用了各種方法來提高檢測的效率和準確性。袁斐洋等［3］根據(jù)藏文敏感詞權(quán)重值對網(wǎng)頁進行等級劃分，對含有敏感信息的網(wǎng)頁進行攔截，避免不法言論和信息的傳播，以優(yōu)化藏區(qū)網(wǎng)絡(luò)環(huán)境。南奎娘若等［4］采用基于不同特征加權(quán)及權(quán)重度量的方法抽取基于敏感的藏文自動摘要。江濤等［5］提出了基于藏文網(wǎng)頁的輿情監(jiān)控系統(tǒng)，系統(tǒng)監(jiān)控藏文網(wǎng)頁的“敏感點”并對“熱點”實現(xiàn)預(yù)警。湯烈等［6］提出了一個基于K最近鄰算法的網(wǎng)絡(luò)不良信息過濾模型。在樣本預(yù)處理時對訓練樣本進行了篩選，使系統(tǒng)的查準率、查全率和處理速度都有一定的提高，更適應(yīng)實時在線系統(tǒng)的不良信息過濾。普措才仁［7］根據(jù)不良信息的特點對潛在語義分析進行了簡化，并設(shè)計了基于簡化的潛在語義分析的藏文Web不良信息檢索算法。該檢索算法能夠?qū)哂嘘P(guān)于某個主題的特定傾向的文本進行過濾，對于那些冗長文本中因為關(guān)鍵字分散而造成的假匹配，通過語義分析可以很好地甄別處理，從而提高系統(tǒng)的召回率。陸向艷［8］提出一種基于支持向量機（Support Vector Machine,SVM）的不良信息識別方法，包括文本標記、文本分詞、Doc2Vec文本向量化、SVM不良信息分類器訓練、SVM不良信息測試5個步驟。實驗結(jié)果表明該方法能有效識別網(wǎng)絡(luò)不良信息，為網(wǎng)絡(luò)不良信息的甄別提供了一種方法參考。

傳統(tǒng)的藏文敏感信息檢測方法在處理大規(guī)模、多樣化的藏文文本時效率低下，已無法滿足快速增長的在線內(nèi)容需求。因此，將深度學習技術(shù)應(yīng)用于藏文敏感信息檢測以提高檢測的準確性，已成為亟待研究的重要課題。本文采用一種基于混合神經(jīng)網(wǎng)絡(luò)模型——CINODPCNN，用于藏文網(wǎng)絡(luò)敏感信息的檢測。首先利用面向中國少數(shù)民族語言的多語言預(yù)訓練模型（Chinese Minority Pretrained Language Model,CINO）對敏感信息文本進行動態(tài)的詞向量構(gòu)建，捕獲藏文文本的語義信息，之后深度卷積神經(jīng)網(wǎng)絡(luò)層（Deep Pyramid Convolutional Neural Networks,DPCNN）通過卷積和池化操作對詞向量進行局部特征提取，以獲得文本的重要模式和特征，最后加入全連接層和分類器實現(xiàn)對敏感信息的識別與分類。

本文詳細內(nèi)容請下載：

http://www.rjjo.cn/resource/share/2000006417

作者信息：

吳瑜，嚴李強，徐梓恒，卓瑪央金

 (西藏大學信息科學技術(shù)學院，西藏拉薩850000)