高等教育出版
熱門: 吳清山  魏惠娟  包一敏  身体哲学  metamorphoses  predestination  
高等教育出版
首頁 臺灣期刊   學校系所   學協會   民間出版   大陸/海外期刊   政府機關   學校系所   學協會   民間出版   DOI查詢服務
閱讀全文
篇名
Combining Features to Meet User Satisfaction: Mining Helpful Chinese Reviews
並列篇名
Combining Features to Meet User Satisfaction: Mining Helpful Chinese Reviews
作者 Lizhen LiuShiwei ZhangWei SongHanshi Wang
英文摘要
Product reviews have become the important recourse in the online environment of Internet. However, the quality of the reviews is spotty and this influences the accuracy and the reliability for data mining. This paper focuses on how to excavate the helpful product reviews buried under the mass of data. The proposed method is as follows: filter words using the best first-search strategy, use latent Dirichlet allocation (LDA) to get the topic distribution, use the Kullback-Leibler (KL) divergence to calculate the similarity, extract the popular opinion of reviews, observe the difference between the popular opinion and the review, perform emotion detailing by getting the specific value of each attribute, consider the credibility as well as the metadata of the reviews, and finally train the weights of feature vectors according to the support vector machine (SVM). Experimental results demonstrate the ability of the proposed method to significantly improve the classification accuracy.
起訖頁 086-098
關鍵詞 KL divergenceLDAmachine learningpopular opinionthe best first-search strategy
刊名 電腦學刊  
期數 201802 (29:1期)
DOI 10.3966/199115992018022901008  複製DOI
QR Code
該期刊
上一篇
Effects of BP Algorithm-based Activation Functions on Neural Network Convergence
該期刊
下一篇
Describing the Emotional Model of PAD Based on Consistent Covering Granule

高等教育知識庫  閱讀計畫  教育研究月刊  新書優惠  

教師服務
合作出版
期刊徵稿
聯絡高教
高教FB
讀者服務
圖書目錄
教育期刊
訂購服務
活動訊息
數位服務
高等教育知識庫
國際資料庫收錄
投審稿系統
DOI註冊
線上購買
高點網路書店 
元照網路書店
博客來網路書店
教育資源
教育網站
國際教育網站
關於高教
高教簡介
出版授權
合作單位
知識達 知識達 知識達 知識達 知識達 知識達
版權所有‧轉載必究 Copyright2011 高等教育文化事業有限公司  All Rights Reserved
服務信箱:edubook@edubook.com.tw 台北市館前路 26 號 6 樓 Tel:+886-2-23885899 Fax:+886-2-23892500