基于KNN和Bayes算法的组合分类器的垃圾评论识别研究

被引：1

作者：

梁曌 ^{[1
]}

陈思宇 ^{[2
]}

梁小林 ^{[2
]}

康欣 ^{[2
]}

机构：

[1] 长沙市雅礼中学

[2] 长沙理工大学数学与统计学院

来源：

经济数学 | 2016年 / 33卷 / 01期

关键词：

KNN算法; Bayes算法; 组合分类器; 互信息; 交叉验证;

D O I：

10.16339/j.cnki.hdjjsx.2016.01.006

中图分类号：

F724.6 [电子贸易、网上贸易]; TP391.1 [文字信息处理];

学科分类号：

1201 ;

摘要：

产品垃圾评论在一定程度上影响了评论信息的参考价值,本文旨在建立识别模型将垃圾评论从评论文本中剔除,保留真实的产品评论。首先,分析了产品评论的特点,从数据搜集、文本预处理、互信息检验、文本表示4个模块提取了14个特征。然后,利用高互补性建立了基于KNN和Bayes算法的组合分类器模型。最后,利用交叉验证对iPhone 6Plus的产品评论进行检验,得到评价指标分别为:正确识别率75.3%、召回率82.1%以及F1值77.5%.

引用

页码：36 / 41

页数：6

共 8 条

[1] 电子商务中垃圾评论检测的特征提取方法 [J].