基于机器学习的B2B电子商务平台产品排名研究

• 作者: 夏斌 王晗璐
• 来源期刊: 微型机与应用
• 学科: 工学
• 关键词: 产品排名 词频法 随机森林 文本分类
• 年，卷（期）: 2016,（11）
• 所属期刊栏目: 人工智能
• 页码范围: 45-47
• 页数: 3页
• 分类号: TP391.9
• 字数: 2298字
• 语种: 中文
• DOI: 10.19358/j.issn.1674-7720.2016.11.015

摘要

随着互联网的发展,电子商务已经成为一种新的商业活动模式.商品在电子商务平台的排名,直接决定了产品的销量.如何优化产品的排名,是所有电子商务公司关注的问题.从商品的文本信息角度出发,利用机器学习方法来研究文本信息与产品排名之间的关系.从特征提取方法和分类算法两个角度进行了比较研究.首先比较了TFIDF和词频法(WF)两种特征提取方法,进一步又比较了朴素贝叶斯、支持向量机(SVM)以及随机森林(RF)三个分类算法.研究结果表明,在该文的数据集上进行文本分类排名分析,词频法结合随机森林取得了最好的分类效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	夏斌	上海海事大学信息工程学院	45	178	7.0	10.0
2	王晗璐	上海海事大学信息工程学院	2	7	2.0	2.0