梁阔洋�k

摘要：近几年，随着微信的快速发展和普及，微信已经成为智能移动设备必备的应用之一，但与之同时也出现了大量微信诈骗信息、垃圾广告等，给人们带来了极大的困扰。本文将从搜狗微信搜索中抽取微信文章样本，将微信垃圾文章识别看做文本分类问题，采用支持向量机对样本进行分类模型的训练，并应用改进的遗传算法对支持向量机的参数进行优化。文中详细的介绍了改进遗传算法在支持向量机上的应用，相比传统的支持向量机，采用改进遗传算法对支持向量机参数进行优化，提升了模型准确率和优化效率。在文章的最后进行了由15000篇微信文章所形成的测试集上的分类模型效果实验，实现结果表明，本方法能够达到94.7%的准确率，非常准确的识别微信垃圾文章。

关键词：支持向量机；遗传算法；特征选择；参数优化；垃圾文章

中图分类号：TP391.1文献标识码：A

1引言

随着微信应用的快速发展和普及，微信已经成为移动智能设备中必备的应用之一，与之同时也出现了大量微信诈骗信息，垃圾广告等垃圾文章。这些信息不仅浪费了用户的带宽和时间，同时也对互联网的安全构成了较大的威胁。因此如何识别此类微信文章显得格外重要。

传统的解决方案为黑名单方法，黑名单方法收集发表垃圾文章的用户，将用户ID加入垃圾用户黑名单列表。但由于微信用户量大、并且增长速度快、黑名单方法不仅实施周期长，并且工作量大。……