基于內(nèi)容和用戶標(biāo)識的混合型垃圾彈幕識別與過濾研究.pdf

1、隨著互聯(lián)網(wǎng)的不斷發(fā)展和推進(jìn)，網(wǎng)絡(luò)信息技術(shù)的快速發(fā)展為電影、電視劇、綜藝節(jié)目等視頻內(nèi)容創(chuàng)作開啟了一個嶄新時代。網(wǎng)絡(luò)在線視頻已經(jīng)在人們觀看視頻過程中占據(jù)了重要地位，成為大眾視頻消費(fèi)的主流。“彈幕”因其高互動性和娛樂性開始進(jìn)入人們的視野，彈幕是指用戶在視頻網(wǎng)站上觀看視頻時，可以直接將評論發(fā)送并顯示在屏幕上方的一種顯示方式。在國內(nèi)最早使用彈幕技術(shù)的是動漫圈內(nèi)的視頻吐槽網(wǎng)站Acfun(A站)和bilibili(B站)，隨著彈幕的發(fā)展，彈幕也不再僅

2、僅使用在彈幕視頻網(wǎng)站中，如今，國內(nèi)彈幕應(yīng)用雖然火爆，但是國內(nèi)彈幕文化和技術(shù)的整體發(fā)展時間較短，當(dāng)前針對彈幕的研究還相對匱乏，對彈幕的有效管理與研究還較少。
　　本文以提高用戶的彈幕使用體驗(yàn)為目的，探討對彈幕文本的識別與處理，提出一種新的基于內(nèi)容和用戶身份標(biāo)識的混合型垃圾彈幕識別算法，對已有算法進(jìn)行改進(jìn)，以更好的引導(dǎo)我國彈幕文化的積極發(fā)展，改善用戶在使用與觀看彈幕時的用戶體驗(yàn)，提高網(wǎng)站的用戶使用度和黏性，綠化彈幕使用環(huán)境。本文針對彈

3、幕文本特征進(jìn)行分析，對比以往垃圾文本識別研究中較多涉及的郵件以及短信等文本類型，總結(jié)出彈幕文本的自身特征，結(jié)合其自身特性以進(jìn)一步加深垃圾彈幕識別的研究。結(jié)合彈幕文本自身特點(diǎn)，本文以基于內(nèi)容的文本分類算法和基于用戶身份標(biāo)識的分類算法為基礎(chǔ)展開研究，在已有研究基礎(chǔ)上提出一種新的基于以上兩種文本分類算法相結(jié)合的混合型垃圾彈幕識別算法，并據(jù)此進(jìn)行垃圾彈幕識別與過濾。
　　本文利用從土豆網(wǎng)熱播電視劇《瑯琊榜》中爬取的彈幕數(shù)據(jù)作為數(shù)據(jù)來源進(jìn)行