基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
商品评论区存在很多虚假、伪造或者是垃圾形式的内容,往往诱使用户产生购买意愿,而追加评论是用户了解商品真实性、可靠性的重要信息渠道.通过对追加评论进行特征提取,形成特征摘要,方便用户在购物时减少搜索时间与精力,对追加评论进行情感分析,能够判断出用户对商品的总体情感倾向.分析表明,其在准确率与召回率方面都有约10%的提高.追加评论具有很高的研究价值,能够帮助用户快速了解产品信息,目前很多用户会直接锁定追加评论以作出购买决策.
推荐文章
基于机器学习的企业产品评论数据的情感分析研究
大数据
文本分类
LDA+SVM
风险预测
基于商品评论文本的情感分析研究
数据挖掘
商品评论
情感分析
基于MOOC课程评论的话题挖掘与情感分析研究
MOOC
文本挖掘
LDA
情感分析
主题模型
基于主题情感句的汉语评论文倾向性分析
主题情感句
评论文
倾向性分析
情感
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 基于追加评论的情感分析研究
来源期刊 软件导刊 学科 工学
关键词 追加评论 特征提取 情感分析 特征摘要
年,卷(期) 2019,(11) 所属期刊栏目 人工智能
研究方向 页码范围 21-24,29
页数 5页 分类号 TP301
字数 4783字 语种 中文
DOI 10.11907/rjdk.182890
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 刘臣 上海理工大学管理学院 34 207 8.0 13.0
2 周晓鸣 上海理工大学管理学院 2 1 1.0 1.0
3 谢法举 上海理工大学管理学院 1 1 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (71)
共引文献  (163)
参考文献  (9)
节点文献
引证文献  (1)
同被引文献  (6)
二级引证文献  (3)
1967(1)
  • 参考文献(0)
  • 二级参考文献(1)
1974(1)
  • 参考文献(0)
  • 二级参考文献(1)
1975(1)
  • 参考文献(0)
  • 二级参考文献(1)
1982(1)
  • 参考文献(0)
  • 二级参考文献(1)
1987(2)
  • 参考文献(0)
  • 二级参考文献(2)
1989(1)
  • 参考文献(0)
  • 二级参考文献(1)
1990(1)
  • 参考文献(0)
  • 二级参考文献(1)
1991(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(2)
  • 参考文献(0)
  • 二级参考文献(2)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(2)
  • 参考文献(0)
  • 二级参考文献(2)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(4)
  • 参考文献(0)
  • 二级参考文献(4)
2007(8)
  • 参考文献(1)
  • 二级参考文献(7)
2008(4)
  • 参考文献(0)
  • 二级参考文献(4)
2009(5)
  • 参考文献(0)
  • 二级参考文献(5)
2010(8)
  • 参考文献(0)
  • 二级参考文献(8)
2011(10)
  • 参考文献(0)
  • 二级参考文献(10)
2012(7)
  • 参考文献(0)
  • 二级参考文献(7)
2013(6)
  • 参考文献(1)
  • 二级参考文献(5)
2014(3)
  • 参考文献(1)
  • 二级参考文献(2)
2015(4)
  • 参考文献(4)
  • 二级参考文献(0)
2016(2)
  • 参考文献(2)
  • 二级参考文献(0)
2019(1)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(1)
  • 二级引证文献(0)
2019(1)
  • 引证文献(1)
  • 二级引证文献(0)
2020(3)
  • 引证文献(0)
  • 二级引证文献(3)
研究主题发展历程
节点文献
追加评论
特征提取
情感分析
特征摘要
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
软件导刊
月刊
1672-7800
42-1671/TP
16开
湖北省武汉市
38-431
2002
chi
出版文献量(篇)
9809
总下载数(次)
57
总被引数(次)
30383
论文1v1指导