[发明专利]基于内容和用户标识的弹幕过滤方法、装置及存储介质

摘要

本发明公开了一种基于内容和用户标识的弹幕过滤方法及装置，所述方法包括：对python爬虫软件爬取到的弹幕视频网站弹幕数据和用户数据进行预处理；引入词嵌入、词相似度、词与主题概率度、标签主题概率度共同作用下的短文本表示方法对弹幕短文本进行扩展；构造用户平台类特征；拼接扩展后的文本特征和平台类特征输入分类模型，输出弹幕分类结果。本发明结合外部语料库扩展和短文本自身内容特征扩展的优点，同时将词向量引入特征扩展，最大程度实现原文本语义扩展，在弹幕特征空间中加入用户平台类特征，丰富弹幕特征空间，提高弹幕识别率。