| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 1 绪论 | 第9-16页 |
| 1.1 研究背景与研究意义 | 第9-11页 |
| 1.1.1 研究背景 | 第9-10页 |
| 1.1.2 研究意义 | 第10-11页 |
| 1.2 研究问题与研究方法 | 第11-13页 |
| 1.2.1 研究问题 | 第11-12页 |
| 1.2.2 研究方法 | 第12-13页 |
| 1.3 研究创新 | 第13页 |
| 1.4 研究主要内容与技术路线 | 第13-16页 |
| 1.4.1 主要内容 | 第13-14页 |
| 1.4.2 技术路线 | 第14-16页 |
| 2 国内外相关研究 | 第16-27页 |
| 2.1 弹幕的相关研究 | 第16-19页 |
| 2.1.1 弹幕表现特征及弹幕文化相关研究 | 第16-18页 |
| 2.1.2 弹幕传播媒介相关研究 | 第18-19页 |
| 2.1.3 弹幕分析技术相关研究 | 第19页 |
| 2.2 垃圾文本识别研究 | 第19-25页 |
| 2.2.1 文本分类算法角度相关研究 | 第20-22页 |
| 2.2.2 文本类型角度相关研究 | 第22-25页 |
| 2.2.3 基于身份标识的垃圾文本识别技术 | 第25页 |
| 2.3 本章小结 | 第25-27页 |
| 3 模型构建 | 第27-40页 |
| 3.1 引言 | 第27-28页 |
| 3.2 文本预处理 | 第28-30页 |
| 3.2.1 数据抽样 | 第29页 |
| 3.2.2 中文分词研究 | 第29-30页 |
| 3.3 特征选取 | 第30-33页 |
| 3.3.1 卡方检验 | 第31页 |
| 3.3.2 信息增益 | 第31-32页 |
| 3.3.3 互信息 | 第32页 |
| 3.3.4 期望交叉熵 | 第32-33页 |
| 3.4 基于内容的朴素贝叶斯分类器构建 | 第33-36页 |
| 3.4.1 弹幕文本特点 | 第33-34页 |
| 3.4.2 垃圾弹幕特点 | 第34页 |
| 3.4.3 基于内容的朴素贝叶斯分类器 | 第34-36页 |
| 3.5 基于身份标识的贝叶斯模型构建 | 第36-37页 |
| 3.6 基于贝叶斯的混合型弹幕分类 | 第37页 |
| 3.7 贝叶斯识别的反馈学习 | 第37-38页 |
| 3.7.1 增量式学习 | 第37-38页 |
| 3.7.2 重新学习 | 第38页 |
| 3.7.3 混合型贝叶斯算法的反馈学习 | 第38页 |
| 3.8 本章小结 | 第38-40页 |
| 4 实验分析及算法评价 | 第40-53页 |
| 4.1 实验环境 | 第40页 |
| 4.2 实验数据集 | 第40-43页 |
| 4.3 实验分析评价指标 | 第43-45页 |
| 4.4 实验测试集选取方法 | 第45-46页 |
| 4.5 实验过程设计 | 第46页 |
| 4.6 实验过程与结论 | 第46-53页 |
| 4.6.1 预处理 | 第46-49页 |
| 4.6.2 对比实验过程及结果 | 第49-53页 |
| 5 主要结论及研究展望 | 第53-55页 |
| 5.1 主要结论 | 第53-54页 |
| 5.2 后续研究展望 | 第54-55页 |
| 致谢 | 第55-57页 |
| 参考文献 | 第57-61页 |
| 附录一：部分json原始数据 | 第61-63页 |
| 附录二：解析json原始数据 | 第63-66页 |
| 附录三：贝叶斯核心算法实现 | 第66-72页 |
| 附录四：作者在读期间发表的学术论文及参加的科研项目 | 第72页 |