基于种子词和数据集的垃圾弹幕屏蔽词典的自动构建

• 作者: 吴方君 汪舸
• 来源期刊: 计算机工程与科学
• 学科: 工学
• 关键词: 弹幕 关键词屏蔽 屏蔽词典 种子词
• 年，卷（期）: 2020,（7）
• 所属期刊栏目: 数据挖掘与人工智能
• 页码范围: 1302-1308
• 页数: 7页
• 分类号: TP391.1
• 字数: 5447字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-130X.2020.07.020

摘要

随着弹幕视频的流行,弹幕已经成为了互联网时代青年互动交流的一种形式,但随着弹幕数量的增多,如何屏蔽垃圾弹幕成为一个问题.在各类视频网站提出的关键词屏蔽法的基础上,提出了分别基于种子词和数据集的2类屏蔽词典自动构建方法.第1类方法主要采用Google的自然语言处理工具word2vec和PMI,寻找与种子词相似性较大或共现次数较多的词添加到屏蔽词典中去;第2类方法主要采用T F-IDF、LDA主题模型和信息增益IG的方法,从垃圾弹幕数据集中提取关键词来构建屏蔽词典.最后,对所构建的屏蔽词典进行评测,实验结果表明,词典规模在400～500时,弹幕屏蔽效果最好.同时,还考察了LDA主题数和数据集规模等因素对弹幕屏蔽效果的影响.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴方君	江西财经大学信息管理学院	6	30	3.0	5.0
5	汪舸	江西财经大学信息管理学院	1	0	0.0	0.0