基于贝叶斯与神经网混合算法的电商信用评价方法研究

摘要：

[目的/意义]在海量的交易信息下,在线评价已经成为电商买家做出购买决定的重要参考,但不法商家针对网络评价的造假手段也越来越隐蔽,因而针对网络信用评价的识别模型也必须相应地改进.[方法/过程]针对当前大数据环境,本文主要完成了以下工作:(1)通过对相关文献的梳理和实际交易情况的分析,确定了诚信评价指标;(2)构建了基于朴素贝叶斯与BP神经网络的二层混合模型(NB-BP);(3)以大学生在线模拟电子商务交易行为产生的实验数据为样本,对NB-BP进行了测试和验证.[结果/结论]实证检验结果表明,较单纯BP人工神经网络和随机森林模型,NB-BP模型的标准均方误差较低,证明其预测准确率和稳定性上占优.

关键词：电子商务、在线评论、朴素贝叶斯、神经网络

所属期刊栏目：38

分类号：G250.2;F713.36(图书馆学、图书馆事业)

资助基金：教育部人文社会科学研究项目;吉林省软科学研究计划;吉林大学项目

在线出版日期：2020-04-17（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：81-87