[發明專利]一種垃圾彈幕的識別方法、裝置及計算機設備有效
| 申請號： | 201710506120.2 | 申請日： | 2017-06-28 |
| 公開（公告）號： | CN107480123B | 公開（公告）日： | 2020-10-16 |
| 發明（設計）人： | 龔燦;張文明;陳少杰 | 申請（專利權）人： | 武漢斗魚網絡科技有限公司 |
| 主分類號： | G06F40/289 | 分類號： | G06F40/289;G06F16/30;H04N21/475;H04N21/488 |
| 代理公司： | 北京眾達德權知識產權代理有限公司 11570 | 代理人： | 劉杰 |
| 地址： | 430000 湖北省武漢市東湖開*** | 國省代碼： | 湖北;42 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 一種 垃圾 彈幕 識別 方法 裝置 計算機 設備 | ||
1.一種垃圾彈幕的識別方法，其特征在于，應用于直播平臺中，所述方法包括：
基于預設的彈幕信息特征構建規則，對所述彈幕信息進行特征提取，獲取第一彈幕信息，所述特征構建規則包括：利用特定標識來表示符合特定類特征的詞；
對所述第一彈幕信息進行預處理，去除所述第一彈幕信息中對樸素貝葉斯模型識別有影響的數據；
根據所述直播平臺自定義詞庫中的成詞規則對預處理后的所述第一彈幕信息進行切詞，構成詞袋模型，所述自定義詞庫中包括個性化詞語；
基于預設的映射規則，將所述詞袋模型轉換為詞向量；
對所述詞向量中的各詞語進行詞頻-反文檔頻率TF-IDF加權，獲取所述各詞語的TF-IDF加權值；
建立所述樸素貝葉斯模型，基于所述各詞語的TF-IDF加權值，利用所述樸素貝葉斯模型分別計算在所述詞袋模型中所有詞語出現的情況下，所述彈幕信息為垃圾彈幕的第一概率P1、及所述彈幕信息為正常彈幕的第二概率P2；
判斷所述第一概率P1是否大于所述第二概率P2，若所述第一概率P1大于所述第二概率P2，則確定所述彈幕信息為垃圾彈幕。
2.如權利要求1所述的方法，其特征在于，對所述第一彈幕信息進行預處理，去除所述第一彈幕信息中對樸素貝葉斯模型識別有影響的數據，包括：
去除所述第一彈幕信息中彈幕內容為空的數據、所述彈幕內容中的標點符號及彈幕類型為空的數據。
3.如權利要求1所述的方法，其特征在于，所述根據所述直播平臺自定義詞庫中的成詞規則對所述第一彈幕信息進行切詞，構成詞袋模型，包括：
根據所述成詞規則對所述第一彈幕信息中的對所述樸素貝葉斯模型識別無影響的詞語進行過濾，獲取過濾后的詞語；
將所述過濾后的詞語按照預定的順序進行組合，構成所述詞袋模型。
4.如權利要求1所述的方法，其特征在于，所述基于預設的映射規則，將所述詞袋模型轉換為詞向量，包括：
基于預設的詞向量維度，將所述詞袋模型的各詞語映射至所述詞向量的相應維度上，將所述詞袋模型轉換為所述詞向量。
5.如權利要求1所述的方法，其特征在于，所述對所述詞向量中的各詞語進行TF-IDF加權，獲取所述各詞語的TF-IDF加權值，包括：
計算所述各詞語在所述彈幕信息中出現的頻率TF；
基于公式IDF＝log2M計算所述各詞語的反文檔頻率加權值IDF，所述M為總彈幕信息的數目分別與包含各詞語的彈幕信息數目的商值；
根據公式TF-IDF＝TF*IDF計算所述各詞語的TF-IDF加權值。
6.如權利要求1所述的方法，其特征在于，所述基于所述各詞語的TF-IDF加權值，利用所述樸素貝葉斯模型分別計算在所有詞語出現的情況下，所述彈幕信息為垃圾彈幕的第一概率P1，包括：
利用公式P1＝P(“垃圾彈幕”|a1,a2,a3,a4,a5,a6,…,ai,…,an)＝(p(“垃圾彈幕”|a1)*TF-IDF(a1))*(p(“垃圾彈幕”|a2)*TF-IDF(a2))*(p(“垃圾彈幕”|a3)*TF-IDF(a3))*…*(p(“垃圾彈幕”|ai)*TF-IDF(ai))*…*(p(“垃圾彈幕”|an)*TF-IDF(an))計算所述彈幕信息為垃圾彈幕的第一概率P1；其中，所述ai為所述各詞語中的任一詞語，所述n為所述彈幕信息中詞語的個數；所述TF-IDF(ai)為所述任一詞語的TF-IDF加權值。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于武漢斗魚網絡科技有限公司，未經武漢斗魚網絡科技有限公司許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201710506120.2/1.html，轉載請聲明來源鉆瓜專利網。
