文献类型：期刊文章

作　　者：刁宇峰[1] 杨亮[1] 林鸿飞[1]

机构地区：[1]大连理工大学信息检索研究室,辽宁大连116024

出　　处：《中文信息学报》

基　　金：国家自然科学基金资助项目(60673039;60973068);国家社科基金资助项目(08BTQ025);国家863高科技计划资助项目(2006AA01Z151);教育部留学回国人员科研启动基金;高等学校博士学科点专项科研基金资助项目(20090041110002)

年　　份：2011

卷　　号：25

期　　号：1

起止页码：41-47

语　　种：中文

收录情况：BDHX、BDHX2008、CSCD、CSCD2011_2012、JST、RCCSE、ZGKJHX、核心刊

摘　　要：Blog(博客)作为一种新兴的网络媒体,在很大程度上增强了互联网的开放性,Blog已经成为互联网上的主要信息源之一,这也使得Blog空间中的垃圾评论成倍增长,因此如何识别垃圾评论成为面临的重要问题。该文首先借鉴处理垃圾邮件的方法,针对Blog本身的特点,使用规则初步过滤垃圾评论,然后对剩余评论,利用Latent Dirichlet Allocation(LDA)这种能够提取文本隐含主题的产生式模型,对博客中的博文进行主题提取,并结合主题信息进行判断,从而识别Blog空间的垃圾评论。通过实验验证,该方法可以发现大多数垃圾评论,实验取得了较好的结果,使Blog信息更加准确、有效的为用户使用。

关 键 词：BLOG 博文 LDA 主题 垃圾评论

分 类 号：TP391]