期刊导航
期刊开放获取
cqvip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于nBD-SVM模型的投诉短文本分类
被引量：
12
1
作者
余本功
陈杨楠
杨颖
《数据分析与知识发现》
CSSCI
CSCD
北大核心
2019年第5期77-85,共9页
【目的】对投诉短文本进行有效分类以提高问题处理效率。【方法】针对投诉文本所呈现出的弱结构化、长度较短等特征,提出一种结合主题模型和词向量方法构建SVM输入空间向量,并融入集成学习方法的nBD-SVM文本分类模型。【结果】采用企业...
【目的】对投诉短文本进行有效分类以提高问题处理效率。【方法】针对投诉文本所呈现出的弱结构化、长度较短等特征,提出一种结合主题模型和词向量方法构建SVM输入空间向量,并融入集成学习方法的nBD-SVM文本分类模型。【结果】采用企业投诉文本进行实证分析,对比相关分类方法,nBD-SVM准确率可达81.13%,说明其能够有效提升投诉文本分类的准确性和效率。【局限】实验仅以某公司投诉文本为例。【结论】nBD-SVM分类模型能够适应企业投诉文本分类任务,满足企业的分类应用需求。
展开更多
关键词
投诉
短
文本分类
主题模型
词向量方法
集成学习
nBD-SVM
原文传递
题名
基于nBD-SVM模型的投诉短文本分类
被引量：
12
1
作者
余本功
陈杨楠
杨颖
机构
合肥工业大学管理学院
合肥工业大学过程优化与智能决策教育部重点实验室
出处
《数据分析与知识发现》
CSSCI
CSCD
北大核心
2019年第5期77-85,共9页
基金
国家自然科学基金项目“基于制造大数据的产品研发知识集成与服务机制研究”(项目编号:71671057)
国家自然科学基金项目“不确定环境下的复杂产品研发协同绩效动态评价研究”(项目编号:71573071)
过程优化与智能决策教育部重点实验室开放课题的研究成果之一
文摘
【目的】对投诉短文本进行有效分类以提高问题处理效率。【方法】针对投诉文本所呈现出的弱结构化、长度较短等特征,提出一种结合主题模型和词向量方法构建SVM输入空间向量,并融入集成学习方法的nBD-SVM文本分类模型。【结果】采用企业投诉文本进行实证分析,对比相关分类方法,nBD-SVM准确率可达81.13%,说明其能够有效提升投诉文本分类的准确性和效率。【局限】实验仅以某公司投诉文本为例。【结论】nBD-SVM分类模型能够适应企业投诉文本分类任务,满足企业的分类应用需求。
关键词
投诉
短
文本分类
主题模型
词向量方法
集成学习
nBD-SVM
Keywords
Complaint Short Text Classification
Topic Model
Word Vector
Ensemble Learning
nBD-SVM
分类号
G254.1 [文化科学—图书馆学]
原文传递
题名
作者
出处
发文年
被引量
操作
1
基于nBD-SVM模型的投诉短文本分类
余本功
陈杨楠
杨颖
《数据分析与知识发现》
CSSCI
CSCD
北大核心
2019
12
原文传递
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
