Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Effective Monotone Knowledge Integration in Kernel Support Vector Machines Kapitel lesen Erstes Kapitel lesen

2016 | OriginalPaper | Buchkapitel

EDAHT: An Expertise Degree Analysis Model for Mass Comments in the E-Commerce System

verfasst von : Jiang Zhong, You Xiong, Weili Guo, Jingyi Xie

Erschienen in: Advanced Data Mining and Applications

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

In order to help consumers to retrieve the most valuable information from amount of comments quickly, we present a method of evaluating the expertise degree of comments. Firstly, we propose an algorithm to construct automatically an attribute-word hierarchy tree from the massive comments data. Secondly, we develop an expertise degree analysis based on attribute-word hierarchy tree (EDAHT) to estimate the expertise degree of comments. The experiments results on 8,000 manual scoring data show that EDAHT model is high consistent with the manual scoring data, and this novel model is effective.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Time Series Forecasting on Engineering Systems Using Recurrent Neural Networks
Nächstes Kapitel A Scalable Document-Based Architecture for Text Analysis
Literatur
1.
Ortigosa, A., Martín, J.M., Carro, R.M.: Sentiment analysis in Facebook and its application to e-learning. J. Comput. Hum. Behav. 31, 527–541 (2014)CrossRef
2.
Angulakshmi, G., Chezian, R.M.: Three level feature extraction for sentiment classification. An ISO 3297: 2007 Certified Organization (2014)
3.
Momeni, E., Sageder, G.: An empirical analysis of characteristics of useful comments in social media. In: Proceedings of the 5th Annual ACM Web Science Conference, pp. 258–261. ACM (2013)
4.
Namihira, Y., Segawa, N., Ikegami, Y., et al.: High precision credibility analysis of information on Twitter. In: 2013 International Conference on Signal-Image Technology & Internet-Based Systems (SITIS), pp. 909–915. IEEE (2013)
5.
Chen, K., Chen, T., Zheng, G., et al.: Collaborative personalized tweet recommendation. In: Proceedings of the 35th International ACM SIGIR Conference on Research and Development in Information Retrieval, pp. 661–670. ACM (2012)
6.
Yan, X., Lau, R.Y., Song, D., Li, X., Ma, J.: Toward a semantic granularity model for domain-specific information retrieval. ACM Trans. Inf. Syst. (TOIS) 29(3), 15 (2011)CrossRef
7.
Wang, S., Chang, X., Li, X., Sheng, Q.Z., Chen, W.: Multi-task support vector machines for feature selection with shared knowledge discovery. Sig. Process. 120, 746–753 (2016)CrossRef
8.
Ransdell, J.M.: Charles Peirce: The Idea of Representation. Columbia University, New York (1967)
9.
Sun, A., Lim, E.P.: Hierarchical text classification and evaluation. In: Proceedings of IEEE International Conference on Data Mining 2001, ICDM 2001, pp. 521–528. IEEE (2001)
10.
Hu, M., Liu, B.: Mining and summarizing customer reviews. In: Proceedings of the 2004 ACM SIGKDD International Conference on Knowledge Discovery and Data Mining, pp. 168–177. ACM Press, New York (2004)
11.
Zhao, P., Li, X., Wang, K.: Feature extraction from micro-blogs for comparison of products and services. In: Lin, X., Manolopoulos, Y., Srivastava, D., Huang, G. (eds.) WISE 2013. LNCS, vol. 8180, pp. 82–91. Springer, Heidelberg (2013). doi:10.​1007/​978-3-642-41230-1_​7 CrossRef
12.
Chang, X., Shen, H., Wang, S., Liu, J., Li, X.: Semi-supervised feature analysis for multimedia annotation by mining label correlation. In: Tseng, V.S., Ho, T.B., Zhou, Z.-H., Chen, A.L.P., Kao, H.-Y. (eds.) PAKDD 2014. LNCS, vol. 8444, pp. 74–85. Springer, Heidelberg (2014). doi:10.​1007/​978-3-319-06605-9_​7 CrossRef
13.
Leacock, C., Chodorow, M.: Combining local context and WordNet similarity for word sense identification. J. WordNet Electron. Lexical Database 49(2), 265–283 (1998)
Metadaten
Titel
EDAHT: An Expertise Degree Analysis Model for Mass Comments in the E-Commerce System
verfasst von
Jiang Zhong
You Xiong
Weili Guo
Jingyi Xie
Copyright-Jahr
2016
Buch
Advanced Data Mining and Applications

Print ISBN: 978-3-319-49585-9

Electronic ISBN: 978-3-319-49586-6

Copyright-Jahr: 2016

DOI
https://doi.org/10.1007/978-3-319-49586-6_32