基于机器学习的网络评论信息有用性预测模型研究  

Research on the Helpfulness Prediction Model of Online Review Information Based on Machine Learning

作　　者：杨东红[1] 吴邦安 孙晓春[1] YANG Dong-hong;WU Bang-an;SUN Xiao-chun(School of Economics and Management,Northeast Petroleum University,Dciqing 163318,China)

机构地区：[1]东北石油大学经济管理学院

出　　处：《情报科学》2019年第12期34-39,77,共7页Information Science

基　　金：黑龙江省哲学社会科学研究规划项目“大数据时代企业精准营销路径及机制研究”(16GLD01);东北石油大学“国家基金”培育基金重点项目“大数据背景下的数据分析对企业精准营销影响路径研究”(2017PYZW-01);东北石油大学研究生教育创新工程项目“基于大数据的在线商品评论研究”(JYCX_CX08_2018);东北石油大学优势科研方向凝练基金项目“工商管理学科优势科研方向研究”(2017YSFX-01)

摘　　要：【目的/意义】筛选出质量高的评论,优化电商平台的推荐智能排序机制,节省消费者搜寻时间。【方法/过程】以评论信息有用性为研究对象,使用七种目前比较常用的机器学习算法,构建网络评论信息有用性预测模型。【结果/结论】评论信息有用性预测模型为非线性模型,随机森林和决策树算法的预测准确率比较理想,其中评论回复是预测模型中最重要的影响因素。【Purpose/significance】Filtering out high-quality reviews, optimizing the recommended intelligent sorting mechanism for e-commerce platforms, and saving consumers’ search time.【Method/process】The research object of this study is review information helpfulness, we utilized eight prevailing machine learning algorithms to construct a helpfulness prediction model for online review information.【Results/conclusion】The prediction model of review information helpfulness is a nonlinear model, the predictive accuracy of random forest and decision tree algorithms are acceptable. Review reply is the determinant factor in the prediction model.

关 键 词：在线评论 信息有用性 回归预测 机器学习 

分 类 号：G252[文化科学—图书馆学]