欢迎来到天天文库
浏览记录
ID:35062676
大小:7.07 MB
页数:68页
时间:2019-03-17
《基于商品特征挖掘的在线评论有用性分类研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库。
1、乂么毯^义葦DALIANUNIVERSITYOFTECHNOLOGY颇±享恆巧文MASTE艮乂LDISSERTATION'幽-I基于商品特征挖掘的在线评论有用性分类研究管理科学与工程学科专#作者姓名丰旨居教肺郭崇慧2016年6S答辩日期硕±学位论文基于商品特征挖掘的在线评论有用性分类研究SUidonOnlineReviewHelftihiessClassificationBasedonypProductFeaUireMining作者姓名:张倚天
2、学科、专业:管理科学与工程学号:21311009指导教师:郭崇慧完成日期:2016.06.16乂么巧义乂#DairslanUniveityofTechnology大连理工大学学位论文独创性声明作者郑重声明:所呈交的学位论文,是本人在导师的指导下进行研究工作所取得的成果。尽我所知,除文中己经注明引用内容和致谢的地方外,本论文不包含其他个人或集体包经发表的研究成果,也不包含其他已申请学位或其他用途使用过的成果一。与我同工作的同志对本研究所做的贡献均己在论文中做了明确的说明并表示了谢意。若有不
3、实之处,本人愿意承担相关法律责任。学位论文题目:基于商品特征挖掘的在线评论有用性分类研究1作者签名:方日期:/之年6月7日_如鸣、_>/大连理工大学硕±学位论文摘要随着电子商务的快速发展,越来越多的消费者习惯于网上购物。消费者在发生购买行为后,可W对已购买的商品进行评论,这些评论不仅是消费者对商品卖家的反馈,同时也能对其他消费者提供建议和指导。商品的热销意味着商品评论的大量增加,某些火爆的商品动辄数万条的评论让卖家和买家都难W处理,这就需要双方从海量的商品评论,中快速地筛选出有用的评论从大量兀余的信息中提取出真正可^
4、^指导销售和购买的有用信息。对海量在线评论中有用信息的迫切需求使得国内外研究者都不约而同地关注起了一—评论有用性分类评论挖掘的个具体的应用领域。本研宛考虑到各大电商网站普遍一无法提供全面的评论信息这现实情况,从评论内容本身及商品特征信息入手,通过商品特征挖掘为评论有用性分类特征的选取提供参考:为了充分利用海量的评论,本研究采用半监督学习的方法对分类模型进行训练,最终得到有优异性能的评论有用性分类模型。论文首先研巧己有商品特征挖掘方法的不足,从分词、剪枝和特征选取等方面进行有效改进,最后得到优化的商品特征挖掘结果,深入研究评论有
5、用件的影;在此基础上一响因素,将商品特征信息作为个重要参考因素加入到有用性分类特征集合中;最后利用支持向量机的重要扩展一一直推式支持向量机进行半监督学习,综合利用有标签评论和无标签评论,训练出在线评论有用性的半监督分类模型。结果显示该分类模型表现优于传统的监督学习模型,在只考虑评论内容信息条件下有较好的表现,进而说明商品特征信息是影响评论有用性的重要因素,而半监督学习可W有效地提升分类结果。关键词:评论挖掘;有用性分类;半监督学习;商品特征;直推式支持向量机--1基于商品特征挖掘的在线评论有用性分类研充StudyonO
6、nlineReviewHelfulnessClassificationBasedonpProductFeatureMiningAbs化act-WiththeraiddevelomentofecommercemoreandmoreCO打sumersareaccustomedtopp,-sho.inonlineWhenonlineshoinbehavioroccursconsumerscancommentonppgppg,urchasedoodswhichrovides打oto打l
7、feedbacktosellersbutalsoadvicea打duida打cetopg,py,gotherCO打sumers.Ani打creaseinproductsalesalwaysbri打gslargeamountof0打li打ereviews,a打dsomehotroductsreceive化打thousandsofreviewswhichmakeconsumershardtoha打diepwith.Itreuiresbothsidestouickl打I
8、terouthelf
此文档下载收益归作者所有