随着信息化浪潮的到来,网络空间的安全与稳定显得尤为重要。但是,网络空间中存在各类各样的敏感信息,这些信息鼓动暴恐行为,宣扬民族分裂思想,甚至鼓吹推翻国家政权,对社会舆论控制和和谐社会构建产生了巨大的负面影响。因此,对这些不同敏感程度的敏感信息进行敏感性分级研究是有必要的。本课题在调研国内外敏感文本分级及过滤方法的基础上,结合现有的技术与算法,进行了基于知识图谱的网络敏感文本分级方法研究。本课题首先构建了面向网络敏感信息的知识图谱,整个构建过程包括数据集的爬取,实体及实体关系的抽取,知识融合和知识存储四个步骤;然后在已构建的知识图谱基础上计算敏感文本的敏感度值,文本敏感度值的计算是基于文本所包含敏感词的词频、词本身的敏感度等等信息,基于敏感信息知识图谱,添加了新的影响因子,它是根据敏感词实体在图谱中的属性计算得到的敏感因子,接着还引入了RIPPLENET框架,在其中设定以该敏感实体为中心的波纹集的大小,以得到敏感词实体集合中的存在的实体关系Sen值,从而将对敏感文本的分级层面从敏感词层面转化为语义分析层面;最后根据综合计算得到的敏感度值设定阙值进行文本的敏感级别分类。实验结果表明,与传统的以敏感词汇为粒度进行文本敏感性分级的方法相比,该方法可以有效提高敏感文本分级的准确率和全面性,特别针对敏感级别较高的敏感文本,准确率提高明显。