基于隱含狄列克雷分配LDA分類特征擴(kuò)展的廣告過濾方法

　　傳統(tǒng)的微博廣告過濾方法忽略了微博廣告文本的數(shù)據(jù)稀疏性、語義信息和廣告背景領(lǐng)域特征等因素的影響。針對這些問題，提出一種基于隱含狄列克雷分配（ LDA）分類特征擴(kuò)展的廣告過濾方法。首先，將微博分為正常微博和廣告型微博，并分別構(gòu)建LDA主題模型預(yù)測短文本對應(yīng)的主題分布，將主題中的詞作為特征擴(kuò)展的基礎(chǔ)；其次，在特征擴(kuò)展時結(jié)合文本類別信息提取背景領(lǐng)域特征，以降低其對文本分類的影響；最后，將擴(kuò)展后的特征向量作為分類器的輸入，根據(jù)支持向量機(jī)（SVM）的分類結(jié)果過濾廣告。實驗結(jié)果表明，與現(xiàn)有的僅基于短文本分類的過濾方法相比，其準(zhǔn)確率平均提升4個百分點(diǎn)。因此，該方法能有效擴(kuò)展文本特征，并降低背景領(lǐng)域特征的影響，更適用于數(shù)據(jù)量較大的微博廣告過濾。