基于统计特征的垃圾博客过滤

• 作者: 刘玮 廖祥文 王丽宏 许洪波
• 来源期刊: 中文信息学报
• 学科: 工学
• 关键词: 计算机应用 中文信息处理 内容分析 垃圾博客过滤 统计特征 词频特征 泛化能力
• 年，卷（期）: 2008,（6）
• 页码范围: 86-91
• 页数: 6页
• 分类号: TP391
• 字数: 3963字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-0077.2008.06.015

摘要

该文根据垃圾博客和正常博客在统计特征上的差异,对多种针对博客分类有效的统计特征进行了分析,提出基于博客页面统计特征的过滤方法.在Blog06数据集上的实验表明,该方法的过滤准确性达到97%,比基于词频特征的过滤方法提高了约7%,在不同规模训练集上的准确性保持在95%左右,具有更好的泛化能力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王丽宏		8	85	6.0	8.0
2	刘玮		1	11	1.0	1.0
3	廖祥文		1	11	1.0	1.0
4	许洪波		2	57	2.0	2.0