基于改进遗传算法的支持向量机微信垃圾文章识别

• 作者: 梁阔洋
• 来源期刊: 计算技术与自动化
• 关键词: 支持向量机 遗传算法 特征选择 参数优化 垃圾文章
• 年，卷（期）: 2015,（4）
• 所属期刊栏目: 【计算机软件及应用】
• 页码范围: 137-141
• 页数: 5页
• 分类号: TP391.1
• 语种: 中文

摘要

近几年，随着微信的快速发展和普及，微信已经成为智能移动设备必备的应用之一，但与之同时也出现了大量微信诈骗信息、垃圾广告等，给人们带来了极大的困扰。本文将从搜狗微信搜索中抽取微信文章样本，将微信垃圾文章识别看做文本分类问题，采用支持向量机对样本进行分类模型的训练，并应用改进的遗传算法对支持向量机的参数进行优化。文中详细的介绍了改进遗传算法在支持向量机上的应用，相比传统的支持向量机，采用改进遗传算法对支持向量机参数进行优化，提升了模型准确率和优化效率。在文章的最后进行了由15000篇微信文章所形成的测试集上的分类模型效果实验，实现结果表明，本方法能够达到94.7%的准确率，非常准确的识别微信垃圾文章。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	梁阔洋	东北石油大学计算机与信息技术学院	1	5	1.0	1.0