摘要
【目的/意义】筛选出质量高的评论,优化电商平台的推荐智能排序机制,节省消费者搜寻时间。【方法/过程】以评论信息有用性为研究对象,使用七种目前比较常用的机器学习算法,构建网络评论信息有用性预测模型。【结果/结论】评论信息有用性预测模型为非线性模型,随机森林和决策树算法的预测准确率比较理想,其中评论回复是预测模型中最重要的影响因素。
【Purpose/significance】Filtering out high-quality reviews, optimizing the recommended intelligent sorting mechanism for e-commerce platforms, and saving consumers’ search time.【Method/process】The research object of this study is review information helpfulness, we utilized eight prevailing machine learning algorithms to construct a helpfulness prediction model for online review information.【Results/conclusion】The prediction model of review information helpfulness is a nonlinear model, the predictive accuracy of random forest and decision tree algorithms are acceptable. Review reply is the determinant factor in the prediction model.
作者
杨东红
吴邦安
孙晓春
YANG Dong-hong;WU Bang-an;SUN Xiao-chun(School of Economics and Management,Northeast Petroleum University,Dciqing 163318,China)
出处
《情报科学》
CSSCI
北大核心
2019年第12期34-39,77,共7页
Information Science
基金
黑龙江省哲学社会科学研究规划项目“大数据时代企业精准营销路径及机制研究”(16GLD01)
东北石油大学“国家基金”培育基金重点项目“大数据背景下的数据分析对企业精准营销影响路径研究”(2017PYZW-01)
东北石油大学研究生教育创新工程项目“基于大数据的在线商品评论研究”(JYCX_CX08_2018)
东北石油大学优势科研方向凝练基金项目“工商管理学科优势科研方向研究”(2017YSFX-01)
关键词
在线评论
信息有用性
回归预测
机器学习
online reviews
information helpfulness
regression prediction
machine learning
