基于用户评论的资源评价研究
针对目前网络资源推荐的准确性问题,开展了网络用户评论内容研究.系统通过word分词对评论内容进行分词,使用词频-逆向文件频率(TF-IDF)在文本中挖掘特征向量,进而获得资源积极/消极评价数量,最终通过贝叶斯平均法对评价转化为最终得分,为网络资源可靠、快速、精准推荐提供参考依据.将该评论内容分析方法应用于网络资源推荐系统,分析结果质量较高,在不影响已有业务逻辑的前提下有效提高了网络资源在评论内容中推荐的准确性.
用户评论、分词、机器学习、贝叶斯平均法
TP393.09(计算技术、计算机技术)
2019-08-22（万方平台首次上网日期，不代表论文的发表时间）
共1页
250
