发明名称 |
短文本的垃圾识别方法及系统 |
摘要 |
本发明公开了一种短文本的垃圾识别方法及系统,所述方法包括:对网站平台上设定时间段内出现的短文本,分别计算各短文本的词语特征向量;根据各短文本的词语特征向量,对所述设定时间段内出现的短文本进行集合划分;其中,被划分到同一集合中的短文本被判定为内容相似;统计每个集合中的短文本的数量,将短文本的数量超过设定阈值的集合进行垃圾标识。由于对于内容相似的短文本统计数量后,若数量超过设定阈值,则进行垃圾标识;这种处理方式不用依赖通过训练、学后得到的垃圾文本集和非垃圾文本集,可以实时地对短文本进行垃圾识别,提高了短文本的内容的垃圾识别及时性。 |
申请公布号 |
CN103309851A |
申请公布日期 |
2013.09.18 |
申请号 |
CN201310173127.9 |
申请日期 |
2013.05.10 |
申请人 |
微梦创科网络科技(中国)有限公司 |
发明人 |
姜贵彬 |
分类号 |
G06F17/27(2006.01)I |
主分类号 |
G06F17/27(2006.01)I |
代理机构 |
北京市京大律师事务所 11321 |
代理人 |
黄启行;方晓明 |
主权项 |
一种短文本的垃圾识别方法,其特征在于,包括:对网站平台上设定时间段内出现的短文本,分别提取各短文本的特征词,并计算出各短文本的词语特征向量;根据各短文本的词语特征向量,对所述设定时间段内出现的短文本进行集合划分;其中,被划分到同一集合中的短文本被判定为内容相似;统计每个集合中的短文本的数量,将短文本的数量超过设定阈值的集合进行垃圾标识。 |
地址 |
100080 北京市海淀区海淀北二街10号701室 |