基于隐含狄列克雷分配分类特征扩展的微博广告过滤方法

来源：计算机应用杂志2016年第8期北京时间：

作者：邢金彪, 崔超远, 孙丙宇, 宋良图

单位：1. 中国科学院 合肥智能机械研究所, 合肥 230031;2. 中国科学技术大学 信息科学技术学院, 合肥 230026

摘要：传统的微博广告过滤方法忽略了微博广告文本的数据稀疏性、语义信息和广告背景领域特征等因素的影响。针对这些问题，提出一种基于隐含狄列克雷分配（LDA）分类特征扩展的广告过滤方法。首先，将微博分为正常微博和广告型微博，并分别构建LDA主题模型预测短文本对应的主题分布，将主题中的词作为特征扩展的基础；其次，在特征扩展时结合文本类别信息提取背景领域特征，以降低其对文本分类的影响；最后，将扩展后的特征向量作为分类器的输入，根据支持向量机（SVM）的分类结果过滤广告。实验结果表明，与现有的仅基于短文本分类的过滤方法相比，其准确率平均提升4个百分点。因此，该方法能有效扩展文本特征，并降低背景领域特征的影响，更适用于数据量较大的微博广告过滤。

关键词：广告过滤,隐含狄列克雷分配,短文本分类,支持向量机,特征扩展

基金资助：国家科技支撑计划项目（2014BAD10B08）；安徽省科技攻关计划项目（1401032010）。