基于融合分類器的垃圾評論識別方法研究.pdf

1、隨著網絡的逐漸普及，人與人之間的溝通交流更為方便，Blog社區(qū)作為一個新興的交流平臺，受到了廣大群眾的支持，同時，也吸引了Spam制造者的目光。由于眾多Blog網站為了增加用戶量，大都開放支持在線評議這一功能，導致Blog中涌現出大量與文章內容無關的垃圾評論，嚴重影響讀者之間的交流和Web社區(qū)的清凈。關于如何有效的過濾掉這些垃圾信息，文本提出了一種基于融合分類器的垃圾評論識別方法。
　　 首先，介紹了基于樸素貝葉斯分類器的垃圾評

2、論過濾方法，通過大量瀏覽比較著名的Blog社區(qū)中的評論，總結出垃圾評論自身所具有的特點，針對其含有的通用廣告性這一特征，本文采用正則表達匹配這些“強特征”，并把這些泛化的特征作為評論的VSM模型的特征項。
　　 其次，因為網絡評論隨時間的推移會產生許多形式或內容上的變化，僅依靠初期的訓練集，必然會造成分類器的性能不理想而且也不能動態(tài)追蹤網絡用戶的需求，為解決此矛盾，本文引入了增量反饋機制，由于垃圾評論的識別可以看作是文本二分類的

3、問題，正常評論的特征寬泛而沒有規(guī)律性，相對而言，垃圾評論的特征性比較明顯，因此可將問題轉換為一個單類學習的問題。
　　 最后，為提高反饋特征子集的代表能力，本文綜合考慮新的待分類評論與現有的垃圾評論類中心向量之間的相似度和樸素貝葉斯的判別函數，來提取出具有新特征的垃圾評論作為反饋子集，進而動態(tài)地修改垃圾評論類中心向量，并不斷逼近其理想模型，得出了一種基于融合分類器的垃圾評論過濾模型。經實驗證明，經過改進的分類器比傳統(tǒng)的分類器識別