[发明专利]一种面向用户生成内容的欺骗性垃圾意见检测方法

摘要

本发明公开了一种面向用户生成内容的欺骗性垃圾意见检测方法，本方法为1)对爬取的网页建立一用户意见信息集合，并进行聚类，得到若干个信息区域；2)计算每一信息区域的标志向量并抽样得到其样本集合；3)对每一样本集合中的样本进行标注，得到每个信息区域的欺骗性垃圾意见样本集合和无标注意见信息样本集合；4)对每一样本，寻找各信息区域的样本集合中与其最相似的P个样本，计算该样本的最终特征向量；5)基于每个样本的最终特征向量，选择机器学习方法针对每个信息区域建立欺骗性垃圾意见检测模型；6)利用欺骗性垃圾意见检测模型对新爬取的用户生成内容网页进行欺骗性垃圾意见检测。本发明提高了欺骗性垃圾意见的检测效率。

主权项

一种面向用户生成内容的欺骗性垃圾意见检测方法，其步骤为：1)爬取所选用户生成内容信息源的网页，并根据爬取的网页建立一用户意见信息集合；2)对用户意见信息集合进行聚类，得到若干个信息区域，并计算每一信息区域中所有信息的特征向量均值，作为该信息区域的标志向量；3)对每一信息区域中的用户意见信息进行样本抽样，得到每个信息区域的样本集合；4)对每一信息区域的样本集合中的样本进行标注，得到每个信息区域的欺骗性垃圾意见信息样本集合和无标注意见信息样本集合；5)对每一样本，寻找各信息区域的样本集合中与其最相似的P个样本，基于该P个样本标注的类别标识、及其与该样本之间的相似度值，得到该样本的最终特征向量；6)基于每个样本的最终特征向量，选择机器学习方法针对每个信息区域建立欺骗性垃圾意见检测模型；7)利用欺骗性垃圾意见检测模型对新爬取的用户生成内容网页进行欺骗性垃圾意见检测识别。