La fonctionnalité de recherche est en construction.
La fonctionnalité de recherche est en construction.

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. ex. Some numerals are expressed as "XNUMX".
Copyrights notice

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. Copyrights notice

Improved LDA Model for Credibility Evaluation of Online Product Reviews Modèle LDA amélioré pour l'évaluation de la crédibilité des avis sur les produits en ligne

Xuan WANG, Bofeng ZHANG, Mingqing HUANG, Furong CHANG, Zhuocheng ZHOU

  • Vues en texte intégral

    0

  • Citer

Résumé:

Lorsque les individus effectuent un achat auprès de sources en ligne, ils peuvent manquer de connaissances directes sur le produit. Dans de tels cas, ils jugeront la qualité de l’article à l’aide des avis publiés par d’autres consommateurs. Il est donc important de déterminer si les commentaires sur un produit sont crédibles. Le plus souvent, les recherches conventionnelles sur la crédibilité des commentaires ont eu recours à des méthodes d’apprentissage automatique supervisé, qui présentent l’inconvénient de nécessiter de grandes quantités de données de formation. Cet article propose une méthode non supervisée pour juger de la crédibilité des commentaires basée sur le modèle Biterm Sentiment Latent Dirichlet Allocation (BS-LDA). En utilisant cette approche, nous avons d'abord dérivé quelques distributions et calculé le score de crédibilité de chaque commentaire via celles-ci. La crédibilité d'un commentaire a été jugée selon qu'il atteignait ou non un score seuil. Nos résultats expérimentaux utilisant les commentaires d'Amazon.com ont démontré que la performance globale de notre approche peut jouer un rôle important dans la détermination de la crédibilité des commentaires dans certaines situations.

Publication
IEICE TRANSACTIONS on Information Vol.E102-D No.11 pp.2148-2158
Date de publication
2019/11/01
Publicisé
2019/08/22
ISSN en ligne
1745-1361
DOI
10.1587/transinf.2018EDP7243
Type de manuscrit
PAPER
Catégories
Ingénierie des données, systèmes d'information Web

Auteurs

Xuan WANG
  Shanghai University
Bofeng ZHANG
  Shanghai University
Mingqing HUANG
  Shanghai University
Furong CHANG
  Kashgar University
Zhuocheng ZHOU
  Shanghai University

Mots-clés

Table des matières