作者:
基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
网上的在线社区往往包含大量的恶意评论,目前许多网站都在尝试使用机器学习的技术来自动识别网站上出现的恶意评论.在本文中,我们使用Conversation AI团队提供的网站评论的数据集构建了一个恶意评论自动检测的模型,该模型能过使用循环神经网络和人工神经网络有效的提取评论文本中的语句信息,并判断评论是否属于某种恶意评论,并且在该数据集上达到了98%的准确率.
推荐文章
基于深度自编码和决策树的恶意域名检测
恶意域名检测
深度自编码
决策树
域名统计特征
重构误差
基于机器学习算法的Android恶意程序检测系统
随机森林
恶意代码检测
多类特征
安卓应用
机器学习
基于深度学习的病毒检测综述
深度学习
病毒检测
识别分类
特征降维
高维信息
人工神经网络
基于软件基因的Android恶意软件检测与分类
Android安全
恶意软件基因
use-def链
检测
分类
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于深度学习的恶意评论检测
来源期刊 通讯世界 学科 工学
关键词 恶意评论 机器学习 神经网络rnn
年,卷(期) 2019,(3) 所属期刊栏目 论述
研究方向 页码范围 193-194
页数 2页 分类号 TP309.2
字数 2833字 语种 中文
DOI 10.3969/j.issn.1006-4222.2019.03.124
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (1)
共引文献  (49)
参考文献  (4)
节点文献
引证文献  (1)
同被引文献  (3)
二级引证文献  (0)
2003(1)
  • 参考文献(0)
  • 二级参考文献(1)
2015(1)
  • 参考文献(1)
  • 二级参考文献(0)
2016(3)
  • 参考文献(3)
  • 二级参考文献(0)
2019(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2020(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
恶意评论
机器学习
神经网络rnn
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
通讯世界
月刊
1006-4222
11-3850/TN
大16开
北京复兴路15号138室
82-551
1994
chi
出版文献量(篇)
31562
总下载数(次)
90
总被引数(次)
56487
论文1v1指导