基于nBD-SVM模型的投诉短文本分类

摘要：

[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,并融人集成学习方法的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

所属期刊栏目：3

分类号：G254.1(图书馆学、图书馆事业)

资助基金：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”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”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

在线出版日期：2019-08-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：77-85