论文部分内容阅读
为了过滤Web论坛中的低质量回帖，提出了一种新的基于LDA（1atcntDirichletallocation）的低质量回帖检测方法．不同于以往的方法，该方法在对回帖进行质量分类时使用了两类特征：语义特征和统计特征．提出并定义了垃圾阳乍重要（J／I）主题比例、主题不确定度和主题相关度3种语义特征．为克服TF·IDF方法在表示稀疏文本语义上的局限性，语义特征在LDA主题空间上计算．另外，统计特征包括浅层特征、句法特征和论坛专有特征．由于检测回帖质量可被看作二元分类问题，训练SVM分类器来区分出低质