基于TF-IDF的社交电商文本信息分类研究

• 作者: 王国桥 牛少彰
• 来源期刊: 网络空间安全
• 学科: 工学
• 关键词: 计算机科学与技术 机器学习 自然语言处理 文本分类
• 年，卷（期）: 2020,（12）
• 所属期刊栏目: 网络与系统安全
• 页码范围: 32-38
• 页数: 7页
• 分类号: TP181
• 语种: 中文

摘要

近年来,随着社交电商的发展,网络零售呈去中心化的发展趋势,构建社交电商用户画像对精准营销、智能推广有较大现实意义.文章以多年小微商户经营数据为基础,首先将原始信息进行筛选、清洗、标注等预处理操作,以得到标签化、向量化的训练数据.然后,基于词袋模型,使用TF-IDF与CHI特征选择方法,以及朴素贝叶斯等分类器进行模型构建,并从多维度进行模型优化.实验结果表明,该模型在验证集上表现优秀,准确率可以达到95％以上,且运行开销较低、速度较快,是社交电商用户画像重要的一环,具备一定应用场景和实用价值.