基于贝叶斯与神经网混合算法的电商信用评价方法研究
【出 处】:
【作 者】:张朝辉 刘佳佳 冉惠
【摘 要】【目的/意义】在海量的交易信息下,在线评价已经成为电商买家做出购买决定的重要参考,但不法商家针对网络评价的造假手段也越来越隐蔽,因而针对网络信用评价的识别模型也必须相应地改进。【方法/过程】针对当前大数据环境,本文主要完成了以下工作:(1)通过对相关文献的梳理和实际交易情况的分析,确定了诚信评价指标;(2)构建了基于朴素贝叶斯与BP神经网络的二层混合模型(NB-BP);(3)以大学生在线模拟电子商务交易行为产生的实验数据为样本,对NB-BP进行了测试和验证。【结果/结论】实证检验结果表明,较单纯BP人工神经网络和随机森林模型,NB-BP模型的标准均方误差较低,证明其预测准确率和稳定性上占优。
相关热词搜索:电子商务; 在线评论; 朴素贝叶斯; 神经网络;
上一篇:基于网络表示学习的作者合作推荐模型
下一篇:移动图书馆场景化服务及其优化研究