基于多維度特征評(píng)論分類(lèi)的研究.pdf_第1頁(yè)
已閱讀1頁(yè),還剩85頁(yè)未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)明:本文檔由用戶(hù)提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、電子商務(wù)交易規(guī)模日益上升,用戶(hù)和商品交互數(shù)據(jù)激增,用戶(hù)和商家則通過(guò)評(píng)論得到商品的反饋信息并進(jìn)行買(mǎi)賣(mài)決策。傳統(tǒng)的評(píng)論分類(lèi)基于詞袋或者TF-IDF特征,沒(méi)有考慮詞語(yǔ)的語(yǔ)義、語(yǔ)法以及詞語(yǔ)順序等信息,同時(shí)沒(méi)有考慮用戶(hù)和評(píng)論本身的特征,模型分類(lèi)準(zhǔn)確率低、擴(kuò)展性差。因此本文調(diào)研文本表示、文本分類(lèi)以及評(píng)論分類(lèi)的相關(guān)技術(shù)和方法,提出并實(shí)現(xiàn)了一種新的基于多維度特征的評(píng)論分類(lèi)模型MDF-CC。該模型基于非文本特征建立隨機(jī)森林概率模型,基于文本特征建立fas

2、ttext概率模型,通過(guò)模型線性融合,得到基于多維度特征的評(píng)論分類(lèi)模型MDF-CC。利用采集自京東的評(píng)論數(shù)據(jù),通過(guò)實(shí)驗(yàn)與基于傳統(tǒng)TF-IDF統(tǒng)計(jì)方法的評(píng)論分類(lèi)模型、fasttext評(píng)論分類(lèi)模型做了性能比較分析,實(shí)驗(yàn)結(jié)果表明本文提出的MDF-CC模型準(zhǔn)確性更高且具有更好的可擴(kuò)展性。
  本研究主要內(nèi)容包括:⑴研究文本表示的主要方法以及文本分類(lèi)主要算法,分析每種技術(shù)優(yōu)缺點(diǎn)。基于傳統(tǒng)TF-IDF統(tǒng)計(jì)方法提取評(píng)論文本特征,基于隨機(jī)森林和S

3、VM算法建立評(píng)論分類(lèi)模型,兩種模型的F1值分別約為79%和80%;⑵實(shí)現(xiàn)一種基于fasttext的快速評(píng)論分類(lèi)模型F-CC。該模型考慮詞語(yǔ)的語(yǔ)義、語(yǔ)法以及順序信息,基于詞向量網(wǎng)絡(luò)訓(xùn)練建立文本表示與分類(lèi)模型。F-CC評(píng)論分類(lèi)方法F1值約為88%,分類(lèi)效果優(yōu)于基于傳統(tǒng)的TF-IDF特征評(píng)論分類(lèi)方法;⑶提出并實(shí)現(xiàn)一種基于多維度特征評(píng)論分類(lèi)模型MDF-CC。該模型可視化非文本特征與評(píng)論極性關(guān)系,基于非文本特征建立隨機(jī)森林概率模型,基于文本特征建

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶(hù)所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶(hù)上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶(hù)上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶(hù)因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論