[发明专利]一种跨领域垃圾评价识别的方法

摘要

本发明公开一种跨领域垃圾评价的识别方法。设计遗传算法筛选源评论的关键特征子集，并基于该特征子集定义评论的领域相关特征和领域无关特征；其次，根据领域无关特征与领域相关特征共同出现的频度定义相关矩阵，并基于拉普拉斯特征映射将领域相关特征映射为一个新的表示；最后，使用源数据与映射之后领域相关特征训练分类器，并用该分类器识别出目标领域的垃圾评论。

主权项

跨领域垃圾评价识别的方法，其特征在于包括以下步骤：步骤1：对评论进行初始特征定义X=(x1,x2,…,xq)，其中，特征包括源域和目标域评论中词频大于预先设定阀值ε的词集W、积极情感词汇与总词汇量的比值、消极词汇量与总词汇量的比值、评论的长度、评论者的信用等级、重复或相似评论数量；词集W来源于源域和目标域评论中词频大于预先设定阀值ε的unigrams(单word)和bigrams(双word)；源领域还包括是否为垃圾评论的类别标签y，根据特征集对m条源评论进行特征化，得到源领域评论集DS=；步骤2：使用遗传算法筛选评论的特征定义X的关键特征Z=(z1,z2,…,zr)⊆X；步骤3：定义WS=Z∩W，WI=W‑WS，XI=(Z‑WS)∪WI，其中，WS是领域相关特征，XI领域无关特征；使用X'=WS∪XI=(x'1,x'2,…,x'r)⊆X定义评论的特征；按照特征集X'将源领域评论和目标领域评论进行特征化得到D'S=和D'T=；步骤4：定义‖WS‖×‖XI‖的相关矩阵R，rij是特征Ri∈WS与Rj∈XI共同出现的评论数；步骤5：构造矩阵；；L=B‑A；计算L的最小α个非零特征值对应的特征向量v1,v2,…,vα，并组成矩阵F=[v1,v2,…,vα]；U=F[1：‖WS‖，：]，即F中第1到‖WS‖行定义为U；定义映射函数φ(t)=tU将领域相关特征t映射为tU；步骤6：定义函数识别出评论x中的领域相关特征，将领域相关特征t映射为tU合并到评论定义中，即D'S=；基于D'S训练分类器f；步骤7：基于f对目标评论D'T=的每一条评论预测是否为垃圾评论。