面向产品垃圾评论识别的特征工程

发布时间：2021-08-30 13:49

　　特征工程是产品垃圾评论识别研究中的关键技术之一,绝大多数现有的垃圾评论检测方法都是根据先验知识进行特征选择与指标定义,这类方法主观性过强从而难以应用推广.以电子商务平台"天猫"热销产品评论为研究对象,提出基于评论数据预分析的垃圾评论识别特征工程,然后运用决策树进行垃圾评论检测.实验表明,与其它基于先验的特征工程相比较,该方法能有效提升垃圾评论分类的效果. 

【文章来源】：福建师范大学学报(自然科学版). 2017,33(02)北大核心CSCD

【文章页数】：7 页

【文章目录】：
1 特征分析与选择
    1.1 数据集
    1.2 特征分析
        1.2.1 评论时间
        1.2.2 评论长度
        1.2.3 评论文本情感
        1.2.4 评论完整度
        1.2.5 评论者等级
        1.2.6 评论者是否追评
2 基于决策树的产品垃圾评论检测算法
3 实验与分析
    3.1 特征定义对识别性能的影响
    3.2 特征选择对识别率的影响
    3.3 训练集大小对识别率的影响
4 结束语


【参考文献】：
期刊论文
[1]基于书写行为与语义特征的评论有用性评估[J]. 秦成磊,魏晓,曹红兵.  计算机工程与应用. 2016(06)
[2]基于逻辑回归的中文在线评论有效性检测模型[J]. 吴含前,朱云杰,谢珏.  东南大学学报(自然科学版). 2015(03)
[3]产品评论垃圾识别研究综述[J]. 聂卉,王佳佳.  现代图书情报技术. 2014(02)
[4]用户评论的质量检测与控制研究综述[J]. 林煜明,王晓玲,朱涛,周傲英.  软件学报. 2014(03)
[5]基于量化情感的网店垃圾评论检测[J]. 彭庆喜,钱铁云.  山东大学学报(理学版). 2013(11)
[6]基于评论行为的商品垃圾评论的识别研究[J]. 孙升芸,田萱,何军.  计算机工程与设计. 2012(11)
[7]垃圾评论自动过滤方法[J]. 谭文堂,朱洪,葛斌,李芳芳,肖卫东.  国防科技大学学报. 2012(05)
[8]商品评论信息可信度研究[J]. 刘逶迤,逯万辉,丁晟春.  情报科学. 2012(10)
[9]由Logistic回归识别Web社区的垃圾评论[J]. 何海江,凌云.  计算机工程与应用. 2009(23)



本文编号：3372893