本文關(guān)鍵詞：基于貝葉斯網(wǎng)絡(luò)的在線(xiàn)商品評(píng)價(jià)質(zhì)量評(píng)估方法研究　出處：《昆明理工大學(xué)》2017年碩士論文　論文類(lèi)型：學(xué)位論文

  更多相關(guān)文章： 在線(xiàn)商品評(píng)價(jià) 評(píng)價(jià)質(zhì)量 評(píng)價(jià)特征 貝葉斯網(wǎng)絡(luò) 概率推理

【摘要】：在線(xiàn)商品評(píng)價(jià)是網(wǎng)絡(luò)用戶(hù)對(duì)在線(xiàn)商品服務(wù)進(jìn)行主觀(guān)或客觀(guān)的自我印象闡述,可以輔助用戶(hù)做出購(gòu)買(mǎi)決策,影響著用戶(hù)消費(fèi)行為并具有口頭營(yíng)銷(xiāo)作用。然而,在線(xiàn)商品評(píng)價(jià)規(guī)模日益龐大,評(píng)價(jià)質(zhì)量參差不齊,用戶(hù)難以篩選有用評(píng)價(jià)信息,因此如何有效識(shí)別高質(zhì)量評(píng)價(jià)信息成為重要議題,但在線(xiàn)評(píng)價(jià)質(zhì)量評(píng)估問(wèn)題中仍存在一些不足,例如需要進(jìn)一步挖掘影響評(píng)價(jià)質(zhì)量的有效特征、評(píng)估方法中回歸分析的推測(cè)性與傳統(tǒng)分類(lèi)方法所得結(jié)果刻板性等。有用性投票是網(wǎng)絡(luò)用戶(hù)對(duì)評(píng)價(jià)有用性的標(biāo)注信息,代表廣大網(wǎng)絡(luò)用戶(hù)的觀(guān)點(diǎn),相對(duì)客觀(guān),且數(shù)據(jù)量大、容易獲取,并且本身為量化信息。因此本文以在線(xiàn)商品評(píng)價(jià)的有用性投票為基礎(chǔ)定義評(píng)價(jià)質(zhì)量,并從元特征維度、追加評(píng)價(jià)維度、語(yǔ)法維度、情感維度、可讀性維度、商家維度選取評(píng)價(jià)特征并同時(shí)加入了商品評(píng)價(jià)數(shù)、商品評(píng)價(jià)有用性投票數(shù),以此為基礎(chǔ)使用貝葉斯網(wǎng)絡(luò)構(gòu)建在線(xiàn)商品評(píng)價(jià)質(zhì)量評(píng)估模型。論文使用BIC評(píng)分函數(shù)衡量模型結(jié)構(gòu)的優(yōu)劣,并使用K2算法尋找在線(xiàn)商品評(píng)價(jià)質(zhì)量評(píng)估模型結(jié)構(gòu),再通過(guò)最大似然估計(jì)學(xué)習(xí)模型參數(shù),使用團(tuán)樹(shù)推理算法預(yù)測(cè)在線(xiàn)商品評(píng)價(jià)質(zhì)量類(lèi)別并給出類(lèi)別權(quán)重值。通過(guò)真實(shí)數(shù)據(jù)集,本文以平均準(zhǔn)確率、平均召回率、F-Measure為指標(biāo),驗(yàn)證了商品評(píng)價(jià)數(shù)、商品評(píng)價(jià)有用性投票數(shù)兩個(gè)特征的有效性并驗(yàn)證了多分類(lèi)模型的適用性,通過(guò)對(duì)比不同特征數(shù)的模型建立時(shí)間以及不同推理算法的評(píng)估時(shí)間闡述了模型構(gòu)建算法和推理算法的效率。最后,我們?cè)O(shè)計(jì)并開(kāi)發(fā)了淘寶商品評(píng)價(jià)爬取及處理原型系統(tǒng)和基于貝葉斯網(wǎng)絡(luò)的在線(xiàn)商品評(píng)價(jià)質(zhì)量評(píng)估原型系統(tǒng)分別用于獲取并處理本文所需數(shù)據(jù)集以及建立在線(xiàn)商品評(píng)價(jià)質(zhì)量評(píng)估模型并評(píng)估所需在線(xiàn)商品評(píng)價(jià)信息。
【學(xué)位授予單位】：昆明理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類(lèi)號(hào)】：F713.55;TP393.09

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 楊鴻波;侯霞;;一種基于貝葉斯估計(jì)的圖像局部匹配方法[J];微計(jì)算機(jī)信息;2010年21期

2 溫寶全;可靠性的貝葉斯及經(jīng)驗(yàn)貝葉斯估計(jì)[J];杭州電子工業(yè)學(xué)院學(xué)報(bào);1995年02期

3 任偉建;山茂泉;謝鋒;王文東;;基于粒子濾波和貝葉斯估計(jì)的目標(biāo)跟蹤[J];大慶石油學(xué)院學(xué)報(bào);2008年03期

4 劉昌盛;擺玉龍;厲樹(shù)忠;鄭岳意;;后向散射系數(shù)的貝葉斯估計(jì)[J];計(jì)算機(jī)仿真;2007年08期

5 武東;張青;湯銀才;;指數(shù)分布步加試驗(yàn)的貝葉斯估計(jì)[J];電子產(chǎn)品可靠性與環(huán)境試驗(yàn);2007年06期

6 林小蘭;李傳珍;王暉;王京玲;;基于貝葉斯理論的單音音樂(lè)節(jié)奏提取[J];中國(guó)傳媒大學(xué)學(xué)報(bào)(自然科學(xué)版);2008年04期

7 李擁軍;曾標(biāo);徐克付;李陽(yáng);;復(fù)雜背景下基于貝葉斯-全概率聯(lián)合估計(jì)的前景檢測(cè)[J];電子與信息學(xué)報(bào);2012年02期

8 汪西原;;基于貝葉斯估計(jì)的復(fù)小波域圖像去噪[J];陜西師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2005年04期

9 張霞;于宏毅;楊白薇;;基于貝葉斯估計(jì)的無(wú)線(xiàn)傳感器網(wǎng)絡(luò)鏈路選擇算法[J];華中科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2009年02期

10 張世英,劉金塘;小樣本參數(shù)的貝葉斯估計(jì)方法[J];天津大學(xué)學(xué)報(bào);1989年03期

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前1條

1 馬德仲;基于貝葉斯網(wǎng)絡(luò)和多源信息構(gòu)建可靠性分析模型方法研究[D];哈爾濱理工大學(xué);2015年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 王韜;基于貝葉斯網(wǎng)絡(luò)的###動(dòng)車(chē)組牽引傳動(dòng)系統(tǒng)可靠性分析[D];西南交通大學(xué);2015年

2 胡斌;基于壓縮感知的DOA估計(jì)[D];哈爾濱工業(yè)大學(xué);2015年

3 周名鋒;基于MCMC的進(jìn)展多狀態(tài)模型的貝葉斯估計(jì)[D];大連理工大學(xué);2015年

4 張博;基于貝葉斯壓縮感知理論與技術(shù)研究[D];電子科技大學(xué);2015年

5 盧麗;基于非參數(shù)檢驗(yàn)和貝葉斯估計(jì)的TWA檢測(cè)算法研究[D];東北大學(xué);2013年

6 袁德璋;基于貝葉斯網(wǎng)絡(luò)人體摔倒預(yù)測(cè)的研究[D];哈爾濱工業(yè)大學(xué);2014年

7 段仁青;基于遞歸算法的貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)[D];西安電子科技大學(xué);2014年

8 崔歡歡;基于量子貝葉斯網(wǎng)絡(luò)的電力變壓器故障診斷方法研究[D];華北電力大學(xué);2015年

9 楊帆;廣義Logistic模型的貝葉斯參數(shù)估計(jì)[D];吉林大學(xué);2016年

10 黃琴;基于貝葉斯估計(jì)與分布的關(guān)聯(lián)分析方法研究[D];華南理工大學(xué);2016年

，

本文編號(hào)：1317777