预览加载中,请您耐心等待几秒...
1/3
2/3
3/3

在线预览结束,喜欢就下载吧,查找使用更方便

如果您无法下载资料,请参考说明:

1、部分资料下载需要金币,请确保您的账户上有足够的金币

2、已购买过的文档,再次下载不重复扣费

3、资料包下载后请先用软件解压,在使用对应软件打开

基于DDAG-SVM的在线商品评论可信度预测研究的开题报告 一、选题背景及意义 随着电子商务的发展,越来越多的人选择在网上购买商品,而商品的评论成为了消费者评价商品质量和购买决策的重要依据。但是,网上的评论信息质量良莠不齐,存在一些虚假和不实的评论,这给消费者带来了很大的困扰。因此,对于评论的可信度的预测就成为了一个重要的问题。 本研究将基于DDAG-SVM方法进行在线商品评论可信度的预测。DDAG-SVM是著名的分类器,它在分类性能和实现效率上都较高。通过基于DDAG-SVM的算法对商品评论进行预测,可以为消费者提供评价商品评论的真实性和可信度的依据,从而促进了网上购物市场的良性发展。 二、研究内容及方法 1.研究内容 本研究将重点研究以下内容: (1)基于DDAG-SVM方法对商品评论可信度进行预测; (2)构建适当的特征集,对商品评论进行特征提取; (3)评测和分析商品评论可信度预测的性能,包括预测准确率、召回率和F1值等。 2.研究方法 本研究首先从已有的数据集中选择适当的数据集。然后通过文本挖掘技术对商品评论进行特征提取,包括文本分类、关键词提取、情感分析等。接着,采用DDAG-SVM方法对评论进行可信度预测。最后,通过实验对算法进行评测和分析。 三、研究计划及进度安排 1.研究计划 (1)文献调研阶段:2021年6月至2021年7月 针对文本分类、特征提取、机器学习等方面的相关文献进行调研,了解目前相关领域的最新研究进展和成果。 (2)数据集收集及处理阶段:2021年8月至2021年9月 从公共数据集或者特定电商网站爬取评论数据,并对数据进行预处理,包括数据清洗、数据归一化等。 (3)特征提取及可信度预测阶段:2021年10月至2022年1月 采用文本挖掘技术进行特征提取,构建合适的特征集,然后使用DDAG-SVM对评论进行可信度预测。 (4)评测和分析阶段:2022年2月至2022年4月 对上述算法进行评测和分析,包括预测准确率、召回率、F1值等指标的评估。 (5)论文撰写及答辩阶段:2022年5月至2022年6月 完成论文撰写及答辩。 2.进度安排 (1)文献调研阶段已完成。 (2)数据集收集及处理阶段正在进行。 (3)特征提取及可信度预测阶段计划于2021年10月开始。 (4)评测和分析阶段计划于2022年2月开始。 (5)论文撰写及答辩阶段计划于2022年5月开始。 四、预期成果及创新点 1.预期成果 本研究的预期成果包括: (1)基于DDAG-SVM方法的在线商品评论可信度预测算法; (2)商品评论特征集和数据集; (3)商品评论可信度预测模型的性能评测结果。 2.创新点 本研究的创新点包括: (1)采用基于DDAG-SVM的分类器进行商品评论可信度预测; (2)构建适当的特征集,进行评论可信度预测; (3)对商品评论可信度预测的性能进行了综合评测。 五、参考文献 [1]徐建强,魏彦林,鲁道成.基于在线商品评论的可信度计算方法[J].计算机应用,2017,37(7):1892-1896. [2]张慧倩,张良斌.基于SVM的在线商品评论可信度预测[J].科技视界,2019(6):72-73. [3]张姝妃,张志昂.基于文本情感分析的商品评论可信度计算方法[J].计算机与数字工程,2018,46(6):1130-1134. [4]鲁道成,王静.基于可信度的在线购物评论过滤算法[J].计算机工程与应用,2016,52(21):208-213.