[发明专利]基于分档关键词阈值组合评估的垃圾评论预选方法及装置

说明书

一种基于分档关键词阈值组合评估的垃圾评论预选方法及装置，所述基于分档关键词阈值组合评估的垃圾评论预选方法，包括：获取评论信息的关键词集的最小支持度；根据最小支持度获得频繁关键词和次频繁关键词；根据频繁关键词和次频繁关键词在评论中出现的情况判断是否为垃圾评论。本发明利用评论的关键词信息进行统计分析，对主要关键词进行分档，根据各个关键词所属档次，评判每条评论中关键词信息，按照一定的判定规则，进行评论的区分，从而完成预选，做到了简单快速有效的识别，从而维护社交平台或网商平台的可信度，同时也让商品评论信息更高效的为我们服务。

【技术领域】

本发明涉及一种互联网领域的网络信息管理技术，尤其是一种基于分档关键词阈值组合评估的垃圾评论预选方法及装置。

【背景技术】

随着通讯设备和技术的更新，以及计算机网络在电子商务、电子政务、娱乐、生活等方面的普及，网络的社交性越来越明显。在日常生活中，人们花费越来越多的时间在网络上进行交流，相互交易。其中的网络评论反映着已完成交易买家各自的购物诉求也影响着正在交易买家的购物选择。

商品的网络评论信息包含了消费者对商品和服务的各种观点，不仅会影响潜在消费者的购买，也会对商品制造者造成一定的影响。但是由于无限制性，人们可以随意在网络上发表自己的观点，这样就会出现一些无意义甚至不真实的评论信息。用户难以识别出对自己有用的评论内容。为了净化网络环境，避免用户受骗上当，电子商务平台有必要引入垃圾评论筛选技术，从海量的商品评论信息中识别出垃圾评论，提取出有价值的信息资源。

【发明内容】

本发明的主要目的在于提供一种基于分档关键词阈值组合评估的垃圾评论预选方法及装置，能够简单快速地预选出垃圾评论，维护社交平台的可信度，同时也让商品评论信息更高效地为商家和顾客服务。

为此，本发明实施例提供一种基于分档关键词阈值组合评估的垃圾评论预选方法，其特征在于，包括：

获取评论信息的关键词集的最小支持度；

利用Apriori算法根据最小支持度获得频繁关键词和次频繁关键词；

其中，利用Apriori算法根据最小支持度获得次频繁关键词的具体步骤为：

在评论信息的全局关键词中除去频繁关键词，在剩下的关键词进行搜索，计算每个关键词的支持度，垃圾评论的比例为x％，将支持度大于等于(100-x)％的关键词提取，得出次频繁关键词；

根据频繁关键词和次频繁关键词在评论中出现的情况判断是否为垃圾评论。

可选的，还包括：获得评论信息中的全局关键词，形成关键词集。

可选的，获取全局关键词的具体方法包括：确定评论领域以及全局评论信息，对全局评论信息进行分词，计算每个词汇的单次频度、重复频度以及权值，抽取出全局关键词。

可选的，获取关键词集的最小支持度的具体方法包括：获取垃圾评论的比例x，而关键词集的最小支持度为(100-x)％。

可选的，获得频繁关键词的方法包括：令包含k个关键词的频繁关键词集为频繁k-关键词集，记为L_k，进行迭代计算：在第一次迭代过程中，候选集为所有1-关键词集，在这些关键词集中找到支持度大于等于指定的最小支持度阈值的1-关键词集，成为频繁1-关键词集L₁，不再考虑其他关键词；第二次迭代过程在L₁基础上进行，通过L_k*L_k产生候选集，计算候选集中所有2-关键词集的支持度，支持度大于等于最小支持度阈值的2-关键词集选中为频繁2-关键词集L₂；重复上述过程，直到无法产生候选关键词集为止。

可选的，当频繁关键词在评论中全部出现且次频繁关键词在评论中至少出现一个时，该评论为正常评论，其余评论都为垃圾评论。