[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

本發明提供了一種垃圾彈幕的識別方法、裝置及計算機設備，方法包括：基于預設的彈幕信息特征構建規則，對彈幕信息進行特征提取，獲取第一彈幕信息；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；基于預設的映射規則，將所詞袋模型轉換為詞向量；對所述詞向量中的各詞語進行TF?IDF詞頻?反文檔頻率加權，獲取各詞語的TF?IDF加權值；建立樸素貝葉斯模型，基于各詞語的TF?IDF加權值，利用樸素貝葉斯模型分別計算在所有詞語出現的情況下，彈幕信息為垃圾彈幕的第一概率P1、及彈幕信息為正常彈幕的第二概率P2；判斷第一概率P1是否大于第二概率P2，若第一概率P1大于所述第二概率P2，則確定彈幕信息為垃圾彈幕。

技術領域

本發明屬于直播平臺的垃圾彈幕處理技術領域，尤其涉及一種垃圾彈幕的識別方法、裝置及計算機設備。

背景技術

目前，隨著直播行業的快速發展，直播受眾也在不斷的擴大中，各類型的直播內容也越來越豐富。觀眾可以在觀看直播的同時也可以通過發送彈幕的方式參與評論與互動，從而極大的提升了用戶的參與度，豐富了直播內容。

一般來說，觀眾每發送一條彈幕，該彈幕則會發送到直播平臺服務器，而直播平臺服務器則會將該彈幕轉發到該直播間的所有觀眾。但是一些非正常用戶為了獲取利益，經常會在直播間內突發大量的垃圾彈幕信息，比如發送大量的廣告信息。這種廣告騷擾直接降低了用戶的參與度，導致直播平臺的用戶量減少，也降低了直播平臺的收益。

現有技術中一般是通過人工提取規則，關鍵詞模糊匹配的方案來識別垃圾彈幕，但是這種識別方式比較浪費人力，并且識別精度不高。

發明內容

針對現有技術存在的問題，本發明實施例提供了一種垃圾彈幕的識別方法、裝置及計算機設備，用于解決現有技術中在直播平臺進行直播時，由于對垃圾彈幕的識別精度不高，導致直播間會出現大量的垃圾彈幕信息，直接降低了用戶的參與度，最終導致直播平臺的用戶量減少的技術問題。

本發明提供一種垃圾彈幕的識別方法，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；

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；

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，Term Frequency-Inverse Document Frequency)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。

上述方案中，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。

上述方案中，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；