线上商品评论有效性分类专业领域知识模型的构建研究

线上商品评论有效性分类领域知识模型的构建是商品评论有效性分类的一个重要基础性工作,其直接影响分类器的精度与召回率。以往的研究大多集中于情感词典的构建以及领域术语抽取工作,对于一种专门针对线上商品有效性分类的领域知识库的构建研究较少。本文提出了一种基于信息增益技术进行文本有效性分类领域知识模型构建的半监督方法,同时构建了商品领域停用词表。通过对Amason、淘宝和京东商城iPhone系列手机评论数据利用Python语言进行有效性领域知识抽取和分类预测,实验结果发现该方法显著提高了评论有效性预测的精度。