中文网络客户评论可信度研究.pptxVIP

中文网络客户评论可信度研究;论文框架;; 当前一些电子商务网站根据评论发布时间或“有用性投票”对评论排序, 试图给消费者展示评论排序集,但仅仅根据某一项指标得出的排序结果显得太过片面, 无法排除某些低可信度的评论扰乱消费者判断的情况, 导致评论排序失去其原本的价值。;论文思路;; Liu 等认为对消费者购买决策有用的商品评论取决于三个指标——评论者的经验，评论的写作风格和评论的时效。;(2) 评论挖掘技术;(3) 模糊层次分析法;;2.指标预调整与优化;(2) 评论发布时间转化;(3) “有用性投票”处理;(4) 评论内容挖掘;3) 提取所有评论内容, 导入分词系统, 在分词和词性标注的基础上, 系统自动统计词频并按照词频降序排序, 词频较高的词作为候选词, 得到客户评论中的产品特征词集合F2; 4) 合并两个集合得到产品属性特征词集合F = F1∪F2,删除与产品不相关或重复出现的词, 构造出产品属性词库。 ②产品属性特征词匹配 将评论内容导入分词系统, 进行自动分词处理。对于每条评论, 将分词结果逐词与产品属性词库中的特征词进行匹配, 若匹配成功, 则该评论的产品属性特征词个数增加1。统计匹配成功的词汇总数, 作为评论的产品属性特征词指标值。;③情感词典构建及特征词匹配 以知网(HowNet)发布的“中文情感分析用词语集”为基础构造情感词典, 包含正面词语4 566 个、负面词