基于AlphaGo算法的网络媒体不良词汇自动检测模式研究

• 作者: 杨岚江 郑世珏 陈星男 陈秋瑞 陈辉
• 来源期刊: 计算机与数字工程
• 学科: 工学
• 关键词: AlphaGo 蒙特卡洛树搜索 中文分词 阈值 不良词汇
• 年，卷（期）: 2018,（8）
• 所属期刊栏目: 信息处理与网络安全
• 页码范围: 1589-1592
• 页数: 4页
• 分类号: TP391
• 字数: 2649字
• 语种: 中文
• DOI: 10.3969/j.issn.1672-9722.2018.08.022

摘要

论文设计了一种能够自动检测网络媒体中的不良信息的模型.AlphaGo依靠深度学习中的评价网络与估值网络在人工智能方面取得了巨大的进步,文中结合AlphaGo算法中的设计思想,将检测网页文本中的不良词汇的过程分为"挑词阶段"和"判别阶段",统计文本中出现的不良信息对应的信息值,与设置的阈值规则进行比较,将超出阈值的判别为不良文本,对极端负面的文本进行标记.仿真实验表明,该模型能够较好地提高网络媒体中不良词汇的自动检出率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郑世珏		58	413	10.0	18.0
2	陈辉		8	4	2.0	2.0
3	陈秋瑞		1	0	0.0	0.0
4	陈星男		1	0	0.0	0.0
5	杨岚江		1	0	0.0	0.0