科学决策
科學決策
과학결책
Scientific Decision-Making
2015年
9期
79-94
,共16页
刷单%商品评论%SVM%KNN%刷客识别
刷單%商品評論%SVM%KNN%刷客識彆
쇄단%상품평론%SVM%KNN%쇄객식별
论文以100个刷客(垃圾评论者)和100个正常评论者的历史评论数据作为研究对象,结合淘宝刷客的特点提取了14个用于刷客识别的特征,采用SVM算法和KNN算法构建分类模型并使用两种模型对淘宝网上的刷客进行识别.研究发现:两种分类模型对淘宝刷客识别的效果都很理想,其中SVM明显优于KNN,其分类模型对刷客识别的精确率达88％,召回率达100％.
論文以100箇刷客(垃圾評論者)和100箇正常評論者的歷史評論數據作為研究對象,結閤淘寶刷客的特點提取瞭14箇用于刷客識彆的特徵,採用SVM算法和KNN算法構建分類模型併使用兩種模型對淘寶網上的刷客進行識彆.研究髮現:兩種分類模型對淘寶刷客識彆的效果都很理想,其中SVM明顯優于KNN,其分類模型對刷客識彆的精確率達88％,召迴率達100％.
논문이100개쇄객(랄급평론자)화100개정상평론자적역사평론수거작위연구대상,결합도보쇄객적특점제취료14개용우쇄객식별적특정,채용SVM산법화KNN산법구건분류모형병사용량충모형대도보망상적쇄객진행식별.연구발현:량충분류모형대도보쇄객식별적효과도흔이상,기중SVM명현우우KNN,기분류모형대쇄객식별적정학솔체88％,소회솔체100％.
