基于深度学习的网络不良文本识别分析研究

摘要

近年来,深度学习凭借强大的特征提取和目标分类能力开始应用于自然语言处理领域。互联网的普及导致各种负面言论污染了网络环境,因此,本文基于深度学习对网络不良文本识别展开深入研究。针对文本特征提取不足导致文本信息损失的问题,提出一种基于特征融合的网络不良文本分类方法。将N-Gram提取的词特征和基于Word2Vec的BiLSTM提取的文本语义特征融合,能更好的提取文本信息,避免文本信息的损失。实验结果表明,提出的基于特征融合的方法对网络不良文本分类有更好的性能和效果。