基于數(shù)據(jù)挖掘技術(shù)的產(chǎn)品垃圾評論識別研究.pdf

1、網(wǎng)絡(luò)產(chǎn)品評論可以是網(wǎng)民在不受約束的情況下隨意發(fā)表的,這種隨意性造成了這些產(chǎn)品評論中充斥了大量的無用的、不真實的信息。這些信息就是垃圾評論。無論是在消費者參考網(wǎng)絡(luò)評論購物時,還是在商家根據(jù)這些評論獲取相應(yīng)評價分析時,這些垃圾評論都嚴(yán)重影響了他們獲取有用信息。垃圾評論的自動識別對于消費者和商家都是一項迫切需要的工作。
　　本文采用數(shù)據(jù)挖掘技術(shù)針對電子產(chǎn)品的垃圾評論識別進(jìn)行了研究,主要工作包括:
　　先處理很短的產(chǎn)品評論評,建立情

2、感詞詞典,然后根據(jù)詞典區(qū)將垃圾評論識別出來。
　　根據(jù)產(chǎn)品說明書構(gòu)建產(chǎn)品特征詞詞典。之后,構(gòu)建產(chǎn)品評論特征,這些特征包括:產(chǎn)品相關(guān)程度、超鏈接特征、連續(xù)數(shù)字特征、咨詢特征。根據(jù)評論特征構(gòu)建了KNN分類器,進(jìn)行垃圾評論的識別。
　　本文對KNN分類器進(jìn)行改進(jìn),以提高垃圾評論識別的準(zhǔn)確率和加快垃圾評論識別的速度。本文從采用動態(tài)k值和對距離公式加權(quán)兩個方面改進(jìn)KNN分類器。
　　有些虛假評論和廣告的內(nèi)容和正常評論近似,但往往