支持跨领域的中文虚假评论识别方法

【目的】在多领域数据集的基础上,构建一种基于评论文本深层词关系语义信息提取的支持跨领域的中文虚假评论识别模型CFEE,解决传统识别方法较少考虑中文评论文本中存在不同领域数据差异性和领域虚假评论数据隐藏性的问题。【方法】提出11条虚假评论数据集建立规则,建立多领域数据集;构建CFEE模型跨领域识别中文虚假评论,其主要功能为基于ERNIE预训练模型提取文本深层语义信息、基于评论文本情感属性识别评论隐藏性、基于卷积神经网络将文本信息投射到词关系维度、基于神经网络融合特征实现分类。【结果】CFEE模型在多领域中文虚假评论数据集上的F1值为91.52%,在手机、食品、服装、家电等单领域数据集上的F1值分别为85.71%、79.59%、85.71%、85.00%,效果均显著优于现有模型。【局限】存在人工标注的主观性。【结论】本文所提识别方法能够有效地跨领域识别中文虚假评论。

云计算将走向何方?

我们正身处一个前所未有的技术变革时代,如果要评选选代快、应用广、影响深远的技术创新,那么云计算一定是其中之一。我常常惊叹于云计算的颠覆性力量,因为我看到,它正在以难以置信的速度给各行各业带来创新,解决许多前所未有的挑战:从自动驾驶和车联网,到新药研发和远程医疗,再到电商、社交、游戏,甚至备受关注的元宇宙、量子计算等最新趋势,都离不开云的支撑。

企业成功应用机器学习的四点建议

企业客户应用机器学习大有可为,建议企业制定好明确的数据策略,寻找适合机器学习的应用场景作为切入点,先突破创新业务,再改造核心业务。同时让数据科学家深入业务,避免闭门造车。随着机器学习不断向纵深发展,越来越多的传统企业也开始应用机器学习进行业务创新,实现业务重塑。麦肯锡2018年刊发的《人工智能对全球经济的影响》报告显示,预计到2030年,人工智能将为全球经济带来约13万亿美元的额外经济产值。人工智能和机器学习赋能零售、运输、物流、制造业和农业等传统领域后所带动的经济贡献,或将远超软件和信息服务业。

现代化应用是面对“不确定性”的最优解

现代化应用的转型将是一个长期持续的过程。在这一旅途中,亚马逊云科技期待聆听每一位客户的需求,并利用在云服务领域卓越的广度、深度和创新速度,为每个客户构建可支持未来长期业务创新的现代化应用架构。"新冠肺炎疫情让一切‘长期规划’不再有效"--这个说法正在得到越来越多的认同。在不少人眼里,面对未来的‘不确定性",更为明智的做法是放弃对"确定性"的探索,并接受"不确定性"是唯一的"确定"。