摘 要：隨著微信息應(yīng)用的發(fā)展，產(chǎn)生了對(duì)微信息分類識(shí)別的強(qiáng)烈需求。在自然算法中選擇人工免疫系統(tǒng)算法，應(yīng)用于微信息識(shí)別領(lǐng)域。針對(duì)微信息系統(tǒng)本身的一些特點(diǎn)，提出了適應(yīng)這些特點(diǎn)的人工免疫算法。實(shí)驗(yàn)結(jié)果表明，基于人工免疫的微信息識(shí)別方法具有較低的錯(cuò)誤否定率和錯(cuò)誤肯定率。

關(guān)鍵詞：人工免疫；微信息；文本分類識(shí)別；匹配算法；檢測(cè)器生成

中圖分類號(hào)：TP181

自然計(jì)算（Nature Inspired Computation）具有模仿自然界的特點(diǎn)，通常是一類具有自適應(yīng)、自組織、自學(xué)習(xí)能力的模型與算法，能夠解決傳統(tǒng)計(jì)算方法難于解決的各種復(fù)雜問題。人工免疫系統(tǒng)是受生物免疫學(xué)啟發(fā)，模擬生物體免疫系統(tǒng)功能、原理和模型來解決復(fù)雜問題的自適應(yīng)系統(tǒng)。[1]微信息是即時(shí)傳播的小容量文本信息。微信息既有傳統(tǒng)的短信，又有隨互聯(lián)網(wǎng)發(fā)展而產(chǎn)生的twitter、iMessage、微博、微信、陌陌等社交工具產(chǎn)生的簡(jiǎn)短信息，按照ETIS的標(biāo)準(zhǔn)，最大字符數(shù)不超過140個(gè)字符[2]，信息容量小，易于快速傳播。人工免疫系統(tǒng)可用于微信息的識(shí)別上，能夠適應(yīng)微信息待識(shí)別類型的變化，保持極高的識(shí)別率。

1 仿生學(xué)定義對(duì)照、識(shí)別算法

生物體中，基因是指攜帶有遺傳信息的DNA序列，是生物體蛋白質(zhì)的決定信息，入侵生物體的病毒、細(xì)菌均由蛋白質(zhì)組成，這些特異性蛋白是進(jìn)行自體/非自體識(shí)別的依據(jù)。在微信息識(shí)別中，特異性蛋白可以等同于待分類微信息所包含的字或詞；抗原是指待識(shí)別的這類微信息；抗體是指能與抗原能夠匹配的檢測(cè)器的集合，用來檢測(cè)微信息是否為待歸類信息。生物體中的自體對(duì)應(yīng)微信息識(shí)別是指正常非待歸類微信息。根據(jù)對(duì)應(yīng)關(guān)系，定義：

特異性蛋白集合：P={P1，P2，…Pn}； m，Pn Agm

抗原集合Ag={Ag1，Ag2，…Agn}；

抗體集合Ab={Ab1，Ab2，…Abn}；

自體集合B={B1，B2，…Bn}

2 抗原蛋白質(zhì)庫的組成

首先進(jìn)原始微信息進(jìn)行分類，并從分類的微信息中提取出特異性的蛋白，每一個(gè)這樣的蛋白都是檢測(cè)器，即抗原蛋白質(zhì)庫。

特異性蛋白的提呈：對(duì)已經(jīng)人工判定為垃圾信息的微信息進(jìn)行字元提取工作，得到原始的抗原蛋白庫：P={P1，P2，….Pn}。

3 生成檢測(cè)器庫

由微信息的字元數(shù)量比較小，決定檢測(cè)器的長度使用固定值，用隨機(jī)使用字元的方法生成檢測(cè)器集合。

檢測(cè)器生成算法有多種，效率各有優(yōu)劣，這里使用骨髓模型[3]，設(shè)檢測(cè)器的字元數(shù)量為Np，使用隨機(jī)函數(shù)從檢測(cè)器集合中隨機(jī)選擇。在不同的應(yīng)用環(huán)境中，Np的取值有所不同，Np的值的大小與檢測(cè)器生成算法的復(fù)雜度有很大的關(guān)系，數(shù)值過大，檢測(cè)器生成算法時(shí)間復(fù)雜度高，檢測(cè)效率亦高，反之生成算法時(shí)間復(fù)雜度降低，但檢測(cè)效率亦相應(yīng)降低，因此需要選擇合適的值。根據(jù)應(yīng)用中抗原的特點(diǎn)，Np的取值設(shè)定為6。

檢測(cè)器的數(shù)量應(yīng)該保持在較小的范圍，但又不能影響到錯(cuò)誤否定率、錯(cuò)誤肯定率。有學(xué)者提出初始檢測(cè)器與自體集合的大小是成指數(shù)關(guān)系的：

[4]

衡量匹配程序的值是Pm，衡量錯(cuò)誤否定率的值是Pf，開始時(shí)，檢測(cè)器的數(shù)量為NR0，自身的集合用NS來表示。此外，檢測(cè)器的數(shù)量還要考慮實(shí)際因素進(jìn)行調(diào)整。

檢測(cè)器生成后，需要進(jìn)行自體耐受算法檢驗(yàn)，保證不將正常微信息識(shí)別為待分類微信息，經(jīng)過耐受算法檢驗(yàn)的檢測(cè)器才能成熟為抗體。

4 微信息的識(shí)別

對(duì)于待檢測(cè)微信息，應(yīng)用親和力計(jì)算公式對(duì)檢測(cè)器集合中的元素逐一計(jì)算，當(dāng)一個(gè)檢測(cè)器與微信息的親和力達(dá)到一定程度時(shí)，這個(gè)程度通常由匹配閥值Pf來決定，將該微信息歸類于已匹配信息，同時(shí)該微信息將作為下一輪特異性蛋白質(zhì)選擇時(shí)的候選對(duì)象。如微信息被匹配，則檢測(cè)器的生命周期值Tg變?yōu)?，如微信息未匹配檢測(cè)器，這個(gè)檢測(cè)器的Tg值則減去1，直到該值為零，則將該檢測(cè)器從集合中除去。因此，檢測(cè)器集合中的元素?cái)?shù)量始終保持在適度內(nèi)。

在微信息識(shí)別應(yīng)用中，根據(jù)生物體免疫系統(tǒng)二次應(yīng)答的這種特性，使用匹配公式Affinity（）對(duì)抗原與檢測(cè)器進(jìn)行計(jì)算，衡量它們的匹配值，并根據(jù)該值進(jìn)行排列，該算法的效率較高。

算法的實(shí)際應(yīng)用表明，該算法具有較高的準(zhǔn)確度和效率。

5 抗體庫更新

隨著系統(tǒng)的運(yùn)行，抗原的數(shù)量會(huì)不斷擴(kuò)充，抗體庫必須具有淘汰無用抗體，集成新抗體的能力才能保持較高的識(shí)別率。

當(dāng)新的抗原的增加達(dá)到一定的數(shù)量時(shí)，有必要在將抗原的變化反應(yīng)到特異性蛋白質(zhì)集合中。按照提取時(shí)的算法，對(duì)新抗原進(jìn)行特異性蛋白提呈，提呈的結(jié)果將被補(bǔ)充到蛋白集合P中。然后按照隨機(jī)原則生成一定數(shù)量的新檢測(cè)器，使用成熟算法對(duì)新檢測(cè)器進(jìn)行訓(xùn)練，使得檢測(cè)器集合維持動(dòng)態(tài)更新的狀態(tài)。

5.1 降低錯(cuò)誤肯定率、錯(cuò)誤否定率。檢測(cè)器的覆蓋集合超出待分類微信息集合時(shí)，發(fā)生錯(cuò)誤肯定。對(duì)于此類檢測(cè)器，否認(rèn)是否能與其它正確對(duì)象匹配，均就進(jìn)行刪除操作。

5.2 檢測(cè)器集合中的所有對(duì)象均不能正確檢出目標(biāo)微信息時(shí)，發(fā)生錯(cuò)誤否定，有兩種方法能夠處理：一是加大檢測(cè)器集合數(shù)量，以系統(tǒng)運(yùn)行效率來換取系統(tǒng)的正確率。二是實(shí)施人工干預(yù)，重新將被錯(cuò)誤否定的微信息人工添加到已分類微信息集合中，稱之為人工協(xié)同刺激。

5.3 人工協(xié)同刺激。當(dāng)錯(cuò)誤否定發(fā)生時(shí)，手工在已分類微信息集合中加入目標(biāo)微信息，并單獨(dú)對(duì)加入的新微信息進(jìn)行基因提呈，由提呈產(chǎn)生的基因集合為元素，以隨機(jī)原則生成若干數(shù)量的檢測(cè)器，再依上述步驟重新進(jìn)行檢測(cè)器的自體耐受的成熟訓(xùn)練，生成準(zhǔn)確的檢測(cè)器并加入檢測(cè)器集合中。這些檢測(cè)器對(duì)于這類的微信息及類似的待分類微信息具有極高的親和力。

算法的實(shí)際應(yīng)用表明，該算法具有較高的準(zhǔn)確度和效率。

參考文獻(xiàn)：

[1]Dasgupta D，Attoh—Okine N.Immunity based systems：A survey：IEEE International Conference on Systems，Man，and Cybernetics[C].Orlando，F(xiàn)lorida，1997：369-374.

[2]ETIS.ETS90301 Digital cellular telecommunications system（Phase 2+）.Technical realization of the Short Message Service （SMS）；Point-to-Point（PP）[S].Sophia Antipolice：European Telecommunications Standards Institute，1998.

[3]李濤.計(jì)算機(jī)免疫學(xué)[M].北京：電子工業(yè)出版社，2004：44+47.

[4]R J De Boer，A S Perelson.How diverse should the immune system be？：Proceedings of the royal Society London B， v. [C].London，S.N.，1993：252.

作者簡(jiǎn)介：李倩（1978-），女，講師，本科，研究方向：人工智能、汽車電子；徐佳（1976-），男，副教授，碩士研究生，研究方向：人工智能、計(jì)算機(jī)網(wǎng)絡(luò)；章麗芳（1975-），女，講師，碩士研究生，研究方向：人工智能。

作者單位：浙江汽車職業(yè)技術(shù)學(xué)院，浙江臺(tái)州 317000；浙江廣播電視大學(xué)臨海學(xué)院，浙江臺(tái)州 317000