基于Doc2Vec与SVM的聊天内容过滤

摘要：

直播系统中用户聊天内容的实时拦截具有非常重大的意义,为了提高分类的准确率和效率,提出了一种基于Doc2Vec与SVM结合的文本分类模型对聊天内容分类,判断聊天内容是否应该被拦截.首先使用Doc2Vec模型将聊天内容表示成密集数值向量的形式,第二部分使用SVM分类器进行分类.通过实验表明,该模型有效地减少了文本表示的维度,提高了训练效率,而且具有的97％的准确率和89.82％召回率,性能优于朴素贝叶斯和基于Doc2Vec的Logistic模型.

关键词：文本分类、自然语言处理、Doc2Vec模型、支持向量机

所属期刊栏目：27

在线出版日期：2018-08-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：127-132