基于TF-IDF的社交电商文本信息分类研究

摘要：

近年来,随着社交电商的发展,网络零售呈去中心化的发展趋势,构建社交电商用户画像对精准营销、智能推广有较大现实意义.文章以多年小微商户经营数据为基础,首先将原始信息进行筛选、清洗、标注等预处理操作,以得到标签化、向量化的训练数据.然后,基于词袋模型,使用TF-IDF与CHI特征选择方法,以及朴素贝叶斯等分类器进行模型构建,并从多维度进行模型优化.实验结果表明,该模型在验证集上表现优秀,准确率可以达到95％以上,且运行开销较低、速度较快,是社交电商用户画像重要的一环,具备一定应用场景和实用价值.

关键词：计算机科学与技术、机器学习、自然语言处理、文本分类

所属期刊栏目：11

分类号：TP181(自动化基础理论)

在线出版日期：2021-03-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：32-38