摘要：[目的/意义]针对当下社交平台UGC质量问题,在识别用户低质量异常行为的基础上构建个体用户画像,进而形成基于用户画像的UGC质量预判模型,实现对UGC质量的预判。[方法/过程]使用孤立森林算法识别出用户异常行为,并对异常行为发生时产生的UGC进行质量属性分析,从情感质量和内容质量两方面识别低质量UGC,为产生低质量UGC的用户构建画像,对用户画像进行机器学习模型训练,得到UGC质量预判模型。把预判模型应用于测试集数据进行试验,以验证方法的可行性和有效性。[结果/结论]实验结果显示,当异常行为发生时,用户产生低质量UGC的比例显著升高,因此可以通过重点监测异常行为来识别低质量UGC。相对于对用户所有行为进行检测,该方法效率高,资源占用少。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社