基于多維度特征評(píng)論分類的研究.pdf

1、電子商務(wù)交易規(guī)模日益上升，用戶和商品交互數(shù)據(jù)激增，用戶和商家則通過評(píng)論得到商品的反饋信息并進(jìn)行買賣決策。傳統(tǒng)的評(píng)論分類基于詞袋或者TF-IDF特征，沒有考慮詞語的語義、語法以及詞語順序等信息，同時(shí)沒有考慮用戶和評(píng)論本身的特征，模型分類準(zhǔn)確率低、擴(kuò)展性差。因此本文調(diào)研文本表示、文本分類以及評(píng)論分類的相關(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，通過模型線性融合，得到基于多維度特征的評(píng)論分類模型MDF-CC。利用采集自京東的評(píng)論數(shù)據(jù)，通過實(shí)驗(yàn)與基于傳統(tǒng)TF-IDF統(tǒng)計(jì)方法的評(píng)論分類模型、fasttext評(píng)論分類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主要算法，分析每種技術(shù)優(yōu)缺點(diǎn)?；趥鹘y(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)論分類模型F-CC。該模型考慮詞語的語義、語法以及順序信息，基于詞向量網(wǎng)絡(luò)訓(xùn)練建立文本表示與分類模型。F-CC評(píng)論分類方法F1值約為88％，分類效果優(yōu)于基于傳統(tǒng)的TF-IDF特征評(píng)論分類方法；⑶提出并實(shí)現(xiàn)一種基于多維度特征評(píng)論分類模型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