基于Adaboost算法与规则匹配的垃圾评论识别

• 作者: 昝红英 毕银龙 石金铭
• 来源期刊: 郑州大学学报（理学版）
• 学科: 工学
• 关键词: 垃圾评论识别 随机森林 Adaboost 集成学习算法
• 年，卷（期）: 2017,（1）
• 页码范围: 24-28
• 页数: 5页
• 分类号: TP391
• 字数: 4836字
• 语种: 中文
• DOI: 10.13705/j.issn.1671-6841.2016310

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	昝红英	郑州大学信息工程学院	58	759	11.0	26.0
2	毕银龙	郑州大学信息工程学院	2	8	2.0	2.0
3	石金铭	郑州大学信息工程学院	7	8	2.0	2.0