基于Adaboost算法与规则匹配的垃圾评论识别

被引：8

作者：

昝红英

毕银龙

石金铭

机构：

[1] 郑州大学信息工程学院

来源：

郑州大学学报(理学版) | 2017年 / 49卷 / 01期

关键词：

垃圾评论识别; 随机森林; Adaboost; 集成学习算法;

D O I：

10.13705/j.issn.1671-6841.2016310

中图分类号：

TP391.1 [文字信息处理];

学科分类号：

120506 [数字人文];

摘要：

从评论的文本特征及元数据特征两个角度提取特征,避免特征向量过于稀疏.提出了基于随机森林的Adaboost算法,以减弱商品评论数据集不平衡性的影响.部分垃圾评论特征比较显著,采用规则匹配进一步提高垃圾评论识别的召回率.通过在COAE2015任务4提供的数据集上进行实验,取得较好的识别效果,验证了所提方法的有效性.

引用

页码：24 / 28

页数：5

共 8 条

[1]

微博垃圾信息检测 [D].