.png){kind=icon}
返回
A value-based approach for information classification
.png){kind=icon}
PRE
AI
DOI：10.1007/s10207-025-01174-1.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
数字化世界已使信息成为一种资产，组织面临识别哪些信息必须得到保护的挑战。信息分类是区分机密与非机密信息并定义不同敏感级别的基石流程。然而，由于依赖手动方法，在组织中实施信息分类会遇到若干困难。为克服现实世界的障碍，科学研究已评估了将自然语言处理（NLP）应用于自动化该流程的应用。当前研究主要基于监督学习的方法，这些方法需要大量精力来标注敏感标签，且在信息分类方案变更时缺乏灵活性。因此，本研究提出了一种新的NLP模型，利用文本特征来估算信息价值。该模型从两个角度评估文档价值：(i) 与法律法规相关的个人信息；(ii) 与组织背景相关的机密信息。该模型应用信息抽取和主题建模来提取文档特征，并采用回归模型来估算信息价值。我们设计了一项实验，考虑了包含不同信息分类方案的六个实验场景。我们评估了五种回归分类器，决策树（Decision Three）在分类指标上表现出最佳一致性，在所有场景中均实现了高于0.8的准确率。
Keyword:
Information Security
Information Classification
Information Value
Natural Language Processing
Named Entity Recognition and Classification
Topic Modeling
期刊
I
IF:
3.2
论文数:
141
被引数:
1.8K
机构
引用论文
Tweet-scan-post: a system for analysis of sensitive private data disclosure in online social media
PREAI
分享收藏An Adaptive LDA Optimal Topic Number Selection Method in News Topic Identification.png)
IEEE ACCESS
OAAI
IEEE ACCESSIF3.6
OAAI分享收藏
查看更多内容