基于文本聚類和語(yǔ)料庫(kù)的信譽(yù)維度發(fā)現(xiàn)研究.pdf

1、現(xiàn)有的主流在線零售網(wǎng)站普遍采用了一些簡(jiǎn)單的在線信譽(yù)系統(tǒng)來(lái)試圖解決網(wǎng)絡(luò)交易中信任缺失的問(wèn)題，雖然起到了一定作用，但大多存在著不同商品共用同一評(píng)價(jià)維度、信譽(yù)評(píng)價(jià)模型維度區(qū)分度不高的情況，不能準(zhǔn)確表達(dá)用戶的真實(shí)選擇意愿。針對(duì)上述問(wèn)題，本文從用戶的文本評(píng)論本身出發(fā)，使用客觀的聚類方法發(fā)掘客戶的真實(shí)感受，從定性的客戶評(píng)論研究在線信譽(yù)系統(tǒng)，以期能夠更加準(zhǔn)確地給出用戶所關(guān)注的信譽(yù)評(píng)價(jià)維度。
　　 本文在回顧前人的相關(guān)研究之后，采用文本聚類分析

2、的方法對(duì)客戶評(píng)論內(nèi)容進(jìn)行了分析。本研究編寫(xiě)了Asp.net程序抓取原始數(shù)據(jù)，使用Visual C++,Java,Matlab等語(yǔ)言對(duì)數(shù)據(jù)進(jìn)行了分析、聚類。經(jīng)過(guò)抓取文本評(píng)論數(shù)據(jù)，分詞，生成特征項(xiàng)集合，編碼標(biāo)注，確定詞義相似度計(jì)算方法，機(jī)器聚類，對(duì)聚類簇進(jìn)行分析等步驟，得出了一個(gè)更加合理的信譽(yù)評(píng)價(jià)維度。其中，根據(jù)研究的具體情況，本文對(duì)TFIDF處理的具體步驟做出了改進(jìn)，把詞義相似度應(yīng)用于聚類分析，并且在DBSCAN算法中加入了對(duì)聚類簇進(jìn)行T

3、FIDF過(guò)濾的內(nèi)容。經(jīng)過(guò)對(duì)原始的信譽(yù)評(píng)價(jià)維度和聚類分析得出的信譽(yù)評(píng)價(jià)維度進(jìn)行對(duì)比，本文發(fā)現(xiàn)原有的信譽(yù)評(píng)價(jià)模型確實(shí)遺漏了一些比較重要的評(píng)價(jià)維度，而且有些評(píng)價(jià)維度不夠全面、清晰，而使用聚類分析的方法分析文本評(píng)論數(shù)據(jù)，可以從用戶評(píng)論中找出用戶真正關(guān)心的信譽(yù)維度。
　　 研究結(jié)果證明，聚類分析做為一種新的信譽(yù)維度確立方法，可以盡量減少人為地干預(yù)，避免主觀影響干擾分析結(jié)果，確保能夠從用戶評(píng)論本身出發(fā)，科學(xué)地、合理地得出客觀的信譽(yù)評(píng)價(jià)維度。