[发明专利]一种基于机器学习的社交网络垃圾消息过滤方法

权利要求书

1.一种基于机器学习的社交网络垃圾消息过滤方法，其特征在于，包括以下步骤：

步骤S1：针对一社交网络，定义需要从所述社交网络的社交消息中提取的特征向量，构建一垃圾消息过滤规则集；所述垃圾消息过滤规则集中定义有多个垃圾关键字，各垃圾关键字对应有一分值，从而可根据社交消息中出现垃圾关键字的个数、频次，计算社交消息的垃圾关键字得分；

步骤S2：从所述社交网络中取一定数量的社交消息作为训练样本，所述社交消息包括正常消息和垃圾消息，然后通过信息增益算法对各训练样本进行特征提取，得到各训练样本的特征向量中除垃圾关键字得分之外的所有元素；

步骤S3：根据垃圾消息过滤规则集，计算各训练样本的垃圾关键字得分，得到各训练样本完整的特征向量；

步骤S4：将步骤S3得到的各训练样本的特征向量，输入支持向量机进行训练，得到垃圾消息过滤模型；

步骤S5：利用所述垃圾消息过滤模型对待测消息进行检测，判断待测消息是否为垃圾消息。

2.根据权利要求1所述的一种基于机器学习的社交网络垃圾消息过滤方法，其特征在于，步骤S1中，所述社交消息的特征向量V1为：

V1=[转发数，评论数，赞数，URL链接数，图片数，话题数，@的用户数，是否为原创消息，垃圾关键字得分]。

3.根据权利要求1所述的一种基于机器学习的社交网络垃圾消息过滤方法，其特征在于，步骤S1中，所述垃圾消息过滤规则集的建立方法如下：

步骤S101：从所述社交网络中获取一定数量的垃圾消息；

步骤S102：对每条垃圾消息进行中文分词，每条垃圾消息得到一个词语列表{key₁, key₂, …, key_i, …}，key_i表示所述垃圾消息的第i个分词；

步骤S103：对每个词语列表采用信息增益算法计算信息增益值，每个词语列表得到一个键值对集合{key₁:IG(key₁), key₂:IG(key₂), …, key_i:IG(key_i), …}，IG(key_i)表示第i个分词的信息增益值；

步骤S104：将不同的键值对集合进行合并，其中对不同键值对集合中均有出现的分词的信息增益值进行累加，作为合并后的键值对集合对应于该分词的信息增益值；

步骤S105：对于合并后的键值对集合，根据信息增益值从大到小对分词进行排序，取出前n个分词作为垃圾消息过滤规则集的垃圾关键字，分词的信息增益值作为垃圾关键字的分值，从而建立所述垃圾消息过滤规则集。