基于模糊神经网络的在线评论效用分类过滤模型研究

摘要：

[目的/意义]通过挖掘电子商务平台冗杂的在线评论信息,对在线评论进行效用过滤,将质量高、有用性强的评论呈献给消费者.[方法/过程]从Spearman相关性分析影响在线评论效用高相关因素入手,构建基于模糊神经网络(FNN)的在线商品评论效用模型,提出一种在线评论效用分类方法.[结果/结论]通过对亚马逊电子商务平台手机评论的实例验证,证明本文模型方法能够对在线商品评论效用进行有效区分,提出的在线商品评论分类过滤模型具有较高的准确度和有效性.

关键词：模糊神经网络、在线评论、评论挖掘、效用分类

所属期刊栏目：35

分类号：TP311.13(计算技术、计算机技术)

资助基金：国家科技支撑计划2013BAH21B05

在线出版日期：2017-06-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：94-99,131