인터넷 등급제

o 중복 분류
하나의 문서는 여러 가지 분류가 가능해야 한다. 예를 들면 텍스트 내용은 음란성과 폭력성이 가미된 내용일 수도 있고, 또 한 이미지는 하나의 페이지에 여러 개가 존재하므로 섹스와 노출 등급이 동시에 공존할 수 있다. 따라서, 하나의 이미지가 동시에 여러 분류로 해당될 수도 있다.

o 텍스트 자동 분류
텍스트를 자동분류하기 전에 먼저 각각 해당 카테고리에 대표단어와 가중치를 등록을 하여야 한다. 가져온 문서에서 먼저 형태소 분석기를 사용하여 추출한 단어는 등록된 대표단어와 가중치를 비교하여 불건전한 내용인지 판단한다.

o 이미지 자동 분류
이미지를 분류하기 위해서는 선행되어야 하는 작업이 있다. 텍스트 기반 자동분류에서 먼저 대표단어와 가중치를 등록하듯이 이미지도 이와 같은 절차를 거쳐야 한다. 즉 카테고리와 등급에 해당하는 이미지를 등록해야 한다. 여러 가지 종류의 이미지를 등록할수록 효율적인 처리를 할 수 있다. 일단 URL에 연결된 모든 해당 이미지를 가져온다. 가져온 이미지를 정규화를 하고, 내부의 필요한 포맷으로 전환한 다음 칼라, 질감, 모양에 대한 특징을 추출한다. 추출된 내용을 등록된 이미지…