• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>2017 IEEE Conference on Big Data and Analytics >Predicting rating polarity through automatic classification of review texts
【24h】

Predicting rating polarity through automatic classification of review texts

机译：通过对评论文本进行自动分类来预测评分极性

获取原文
获取原文并翻译 | 示例
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Online reviews and ratings are important for potential customers when deciding whether to purchase a product or service. However, reading and synthesizing the massive amount of review data, which is often unstructured, is a huge challenge. In this study, we investigate the use of machine learning models to predict rating polarity (positive, neutral or negative) through automatic classification of review texts. We apply various single and ensemble classifiers to identify rating polarity of reviews from the 2017 Yelp dataset. Experimental results show that the linear kernel Support Vector Machine, Logistic Regression and Multilayer Perceptron are among the three best single classifiers in terms of accuracy, precision, recall and F-measure. Their performances can be further improved when used as base classifiers for ensemble models.
机译：在决定是否购买产品或服务时，在线评论和评级对潜在客户而言很重要。但是，读取和合成大量的评论数据（通常是非结构化的）是一个巨大的挑战。在这项研究中，我们调查了使用机器学习模型通过自动对评论文本进行分类来预测评分极性（正面，中性或负面）的方法。我们应用各种单一和整体分类器从2017 Yelp数据集中识别评论的评分极性。实验结果表明，线性核支持向量机，Logistic回归和多层感知器在准确性，准确性，查全率和F度量方面是三个最佳的单一分类器。当用作集成模型的基础分类器时，它们的性能可以进一步提高。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号