文献类型：期刊文章

作　　者：王洪伟[1] 孟园[1,2]

机构地区：[1]同济大学经济与管理学院,上海210000 [2]上海立信会计金融学院信息管理学院,上海201209

出　　处：《中文信息学报》

基　　金：国家自然科学基金(71371144;71601082)

年　　份：2017

卷　　号：31

期　　号：3

起止页码：109-117

语　　种：中文

收录情况：BDHX、BDHX2014、CSCD、CSCD2017_2018、JST、RCCSE、ZGKJHX、核心刊

摘　　要：面对海量的在线评论,有用特征识别有助于消费者选择高质量的评论,为合理决策提供支持。该文基于信息采纳模型理论,在数码相机和手机数据集上提取了四类影响评论质量的有用特征集合,以logistic岭回归和基本decision tree模型作为基准模型,并结合递归特征消除(RFE)降维方法,比较检验了GBDT模型对评论质量分类和特征降维上的表现,揭示了各特征项对评论质量分类结果的"贡献度",进而识别关键特征。实验结果表明,基于GBDT模型对评论质量分类效果较好,评论发表时间、评论者排名、关键特征数量、评论字数是影响评论质量的关键特征。

关 键 词：GBDT  评论质量  特征贡献度  信息采纳模型  递归特征消除  

分 类 号：TP391]