基于概率模型的二进制协议字段划分方法

字段划分是协议格式推断的基础,协议格式推断的后续步骤,如报文结构识别、字段语义推断和字段取值约束判定,高度依赖于字段划分质量。二进制协议缺少字符编码和定界符,字段长度取值灵活,值域变化丰富,因此字段划分难度较大。针对相关研究存在的特征构造维度单一和判决规则简单等问题,提出了一种基于概率模型的二进制协议字段划分方法。以二进制协议报文为研究对象,从报文内在结构、报文间取值变化等维度构造字段边界约束关系,然后用概率的方式将各种约束组合在一起,利用因子图模型计算各个位置成为边界的概率,从中得出最有可能的字段边界。实验结果表明,相比传统方法,所提方法在二进制协议字段边界识别中精准度更高、鲁棒性更强。

自然语言处理在简历分析中的应用研究综述

随着信息技术的快速发展,数据产生了爆炸式的增长,互联网上每天都会新增大量的简历数据。对求职者的简历进行分析,从中获取候选人的各类人员信息、所属行业类别和进一步的工作职位推荐是学者们所关注的问题。人工分析简历效率低下的问题,推动了自然语言处理(Natural Language Processing,NLP)技术在简历分析中的广泛应用。NLP利用人工智能和计算机技术来分析、理解和处理自然语言,可实现简历的自动化分析。文中调研了近10年来的相关文献,对NLP在简历分析中的应用环节及常用方法进行了梳理。首先,对自然语言处理进行了介绍;接着,从简历信息抽取、简历分类和简历推荐3个方面分析和归纳了自然语言处理在简历分析技术中的研究进展;最后,对简历分析的研究趋势作了预测并总结了全文。