-
公开(公告)号:CN107808324A
公开(公告)日:2018-03-16
申请号:CN201710996982.8
申请日:2017-10-20
申请人: 西安电子科技大学
IPC分类号: G06Q30/06
CPC分类号: G06Q30/0609
摘要: 本发明属于电子商务技术领域,公开了一种在线商品的信誉值计算方法、网络交易平台、计算机,包括:恶意评价检测、用户兴趣度评测、信誉值计算。本发明利用二相检测理论,检测到评价模型的轻微变化,可以处理恶意用户对所有商品进行恶意评价时的情况,同时也可以处理恶意用户仅对目标商品做出恶意评价时的情况。本发明通过比较目标项和用户评价项之间的相似性来确定不同用户评价的权重,能够更准确地反映出用户对目标商品感兴趣的程度和用户的可靠性。
-
公开(公告)号:CN107808324B
公开(公告)日:2021-05-28
申请号:CN201710996982.8
申请日:2017-10-20
申请人: 西安电子科技大学
IPC分类号: G06Q30/06
摘要: 本发明属于电子商务技术领域,公开了一种在线商品的信誉值计算方法、网络交易平台、计算机,包括:恶意评价检测、用户兴趣度评测、信誉值计算。本发明利用二相检测理论,检测到评价模型的轻微变化,可以处理恶意用户对所有商品进行恶意评价时的情况,同时也可以处理恶意用户仅对目标商品做出恶意评价时的情况。本发明通过比较目标项和用户评价项之间的相似性来确定不同用户评价的权重,能够更准确地反映出用户对目标商品感兴趣的程度和用户的可靠性。
-
公开(公告)号:CN110442720A
公开(公告)日:2019-11-12
申请号:CN201910735892.2
申请日:2019-08-09
申请人: 中国电子技术标准化研究院 , 西安电子科技大学
IPC分类号: G06F16/35
摘要: 本发明公开了一种基于LSTM卷积神经网络的多标签文本分类方法,包括文本预处理、文本特征提取以及输出文本标签。本发明的有益效果是:该算法可通过word2vec算法进行文本预处理,将原始文本数据转化为单词的局部特征,然后再将单词的局部特征输入到卷积神经网络中,进行文本特征提取,计算文本特征向量,最后将文本特征向量作为先验知识输入到LSTM循环神经网络中,预测标签序列,计算最终的文本标签,得到分类结果。与现有技术相比,本发明克服了传统方法忽略标签之间的相关性和无法提取局部语义信息的缺点,既能够提取高阶文本特征,又能够处理长文本序列,同时去除无用信息,保留有效信息,从而增强了分类结果的准确性和有效性。
-
-