基于强化学习的个性化不良评论过滤算法研究

发布时间：2021-10-01 02:56

　　不良评论正在影响着数以亿计的互联网用户,部分用户因不良评论而抑郁甚至自杀。传统的过滤不良评论的算法有两种。一是通过简单的关键词过滤技术进行评论过滤。二是在不良评论数据集上训练一个通用机器学习模型,然后使用此模型对评论进行判别。以上两种算法都没有考虑到用户个性化问题。由于不同用户具有不同的背景、拥有不同的性格,所以他们对不良评论的判别标准也是不同。无论是关键字过滤还是训练出来的通用模型都远无法满足用户个性化需求。本文的主要工作是在不良评论过滤算法中引入用户个性化配置文件,并且使用强化学习算法构建可学习的用户配置文件。本文将不良评论过滤算法分成两个网络,一部分是特征提取网络,一部分是用户配置文件。在特征提取网络部分,本文实验了多种选择,包括基于CNN、RNN和自注意力机制的模型。在用户配置文件部分,由于本文不仅考虑到不同用户之间的差异,而且还考虑到相同的用户在不同的心情状态下对于不良评论评判标准的差异,所以本文提出了三种基于强化学习的方法来构建可学习的用户配置文件。一是通过DQN算法或者PG算法使用用户相关数据直接微调特征提取网络使得网络参数包含个性化信息。二是引入用户特征向量,同样也是使... 

【文章来源】：电子科技大学四川省 211工程院校 985工程院校 教育部直属院校

【文章页数】：77 页

【学位级别】：硕士

【部分图文】：

文本分类流程图

朴素贝叶斯分类器流程图

RNN最后一个隐状态作为句子特征用于分类


本文编号：3417118