典型文献
基于改进TFIDF算法的情感分析模型研究
文献摘要：
随着电商行业的蓬勃发展,网上购物逐渐取代线下商店成为最受欢迎的购物方式之一.因此从海量的商品评价中挖掘出有用的信息,对顾客购买商品和商家提高服务质量具有重要的意义.在深度学习背景下,论文在关键词提取中对TF-IDF算法进行改进,主要是关键词权重的优化.实验结果表明,基于论文改进的算法构建的商品评论模型比传统的模型分类效果好.
文献关键词：
商品评价;深度学习;关键词提取;TF-IDF;权重
中图分类号：
作者姓名：
季旺;夏振宇
作者机构：
江苏科技大学计算机学院 镇江 212003
文献出处：
引用格式：
[1]季旺;夏振宇-.基于改进TFIDF算法的情感分析模型研究)[J].计算机与数字工程,2022(08):1671-1675
A类：
B类：
TFIDF,情感分析,电商行业,网上购物,商店,受欢迎,购物方式,商品评价,挖掘出,顾客,商家,关键词提取,商品评论,模型分类,分类效果
AB值：
0.388666
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。
