典型文献
基于机器学习的商品评论特征提取有用性研究
文献摘要：
在线上购物商品销售预测问题上,由于受商品自身的款式、材料、买家的好评与差评以及商家好评返利等多种因素影响,一般的回归预测算法往往不能支持多种特征变量,导致预测准确率较低、鲁棒性差.本文采用一种主题-随机森林算法对口罩销售量进行多变量综合投票预测,并与多重线性回归(Multiple Linear Regression,MLR)算法和随机森林(Random Forest,RF)算法相比较得出最终结论.实验结果表明,LDA-RF算法各项指标均优于MLR和RF算法,LDA-RF算法建模速度快,鲁棒性较强,受到离群点影响比较小,散点主要集中在线性回归附近,可以有效地提高口罩销量预测精度.
文献关键词：
销量预测;主题模型;文本挖掘;随机森林
中图分类号：
作者姓名：
马倩茜;郭涛;唐志航
作者机构：
湖南工程学院 计算机与通信学院,湘潭 411100
文献出处：
引用格式：
[1]马倩茜;郭涛;唐志航-.基于机器学习的商品评论特征提取有用性研究)[J].湖南工程学院学报（自然科学版）,2022(04):47-54
A类：
投票预测
B类：
基于机器学习,商品评论,评论特征,有用性,线上购物,商品销售,销售预测,款式,买家,好评,商家,返利,回归预测算法,特征变量,预测准确率,随机森林算法,对口,口罩,销售量,多变量,多重线性回归,Multiple,Linear,Regression,MLR,Random,Forest,RF,LDA,离群点,散点,归附,高口,销量预测,主题模型,文本挖掘
AB值：
0.512203
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
