原文服务方: 科技与创新       
摘要:
电子商务领域在线评论的数量已经非常庞大.个人用户可以在决定购买产品或者服务之前阅读之前用户所发表的评论以作参考,商业组织可以获取消费者反馈,快速调整产品服务和市场策略,同时,这些评论信息也具有很大的科研价值.但是在线评论中存在一部分垃圾评论,这严重影响了在线评论发挥其应有的作用.根据识别对象,现有的垃圾评论识别研究可以分为三类,即识别垃圾评论发表者、识别垃圾评论发表者团体和直接识别垃圾评论,在此基础上对每一类的识别方法进行了分析,希望能对该领域研究有所裨益.
推荐文章
垃圾商品评论检测研究综述
垃圾商品评论
文本特征
行为特征
评论数据集
基于评论者关系的垃圾评论者识别研究
互评估
可信度
多边图模型
评论关系
垃圾评论者
互联网产品评论信息中垃圾评论的识别方法浅析
产品评论
垃圾评论检测
评论内容
用户行为
用户生成内容中的垃圾意见研究综述
用户生成内容
意见挖掘
垃圾意见
检测方法
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 垃圾评论识别研究综述
来源期刊 科技与创新 学科
关键词 垃圾评论 识别方法 机器学习 Web2.0
年,卷(期) 2019,(4) 所属期刊栏目 理论探索
研究方向 页码范围 22-23,25
页数 3页 分类号 TP391.1
字数 语种 中文
DOI 10.15913/j.cnki.kjycx.2019.04.022
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 徐德华 同济大学经济与管理学院 16 214 7.0 14.0
2 李耀鹏 同济大学经济与管理学院 1 0 0.0 0.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (3)
共引文献  (2)
参考文献  (2)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1973(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(1)
  • 参考文献(1)
  • 二级参考文献(0)
2012(2)
  • 参考文献(0)
  • 二级参考文献(2)
2016(1)
  • 参考文献(1)
  • 二级参考文献(0)
2019(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
垃圾评论
识别方法
机器学习
Web2.0
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
科技与创新
半月刊
2095-6835
14-1369/N
大16开
2014-01-01
chi
出版文献量(篇)
41653
总下载数(次)
0
论文1v1指导