基于AlphaGo算法的网络媒体不良词汇自动检测模式研究

摘要：

论文设计了一种能够自动检测网络媒体中的不良信息的模型.AlphaGo依靠深度学习中的评价网络与估值网络在人工智能方面取得了巨大的进步,文中结合AlphaGo算法中的设计思想,将检测网页文本中的不良词汇的过程分为"挑词阶段"和"判别阶段",统计文本中出现的不良信息对应的信息值,与设置的阈值规则进行比较,将超出阈值的判别为不良文本,对极端负面的文本进行标记.仿真实验表明,该模型能够较好地提高网络媒体中不良词汇的自动检出率.

关键词：AlphaGo、蒙特卡洛树搜索、中文分词、阈值、不良词汇

所属期刊栏目：46

分类号：TP391(计算技术、计算机技术)

资助基金：国家社会科学基金项目:"一带一路"视野下对外汉语"AR"教学创新模式研究17BYY111;国家语言文字工作委员会重点项目:基于网络媒体语言净化问题及语言动向检测研究ZDI135-13

在线出版日期：2018-09-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：1589-1592