广告识别乱想

基于关键词的识别的问题。

1、在关键字中插入字符会导致关键字识别率下降 2、关键词的扩充问题

改进方向 原理:基于信息内容和统计的识别方式

假设正常用户产生数据具有如下信息: 1、在用户产生的信息中,信息的分布是均匀的,也就是重复性很小 2、数字信息所占百分比较低

解决方案设计 1、根据假设1,统计无效字符和汉字字符的比例,无效字符超过汉字可认为广告嫌疑较高 2、根据假设2,统计数字出现频率,数字出现次数过高认为广告嫌疑较大 3、根据假设1,统计重复出现的汉字占文章中汉字总数的比率,超过一定比率认为信息重复,广告嫌疑较大 4、建立常见广告字库,对文章中广告字进行统计和比例计算

------------------

后记:在同事的推荐下,看了贝叶斯分类算法,立刻判断,该方法比以上方法更显优雅

http://blog.csdn.net/busycai/article/details/6635877

转载于:https://www.cnblogs.com/northhurricane/p/3157998.html

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值