首页|基于SOM-K-means算法的商品评论研究

基于SOM-K-means算法的商品评论研究

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
为了更有效率地对商品评论聚类出相应的评价标签,运用SOM-K-means算法,对商品评论中的情感词进行聚类分析.该算法综合了SOM算法和K-means算法的优点,在聚类过程中减少了人工干预,具有较强的自适应性.实验结果显示,在数据量小于10000条时,SOM-K-means算法的平均运行时间为0.3s,而市场上主流的LDA算法平均运行时间为3.5s,SOM-K-means算法的平均运行效率是其12倍左右,这为追求效率和性能最佳的电商平台提供了一种新的聚类思路.
Research on Commodity Comments Based on SOM-K-means Algorithm

顾亦然、陈禹洲

展开 >

南京邮电大学自动化学院、人工智能学院,江苏南京210046

SOM K-means 商品评论 情感词聚类

JCKY2019210B005JCKY2018204B025JCKY2017204B011ZQ2019D2040141401030301

2021

10.11907/rjdk.202599

软件导刊
湖北省信息学会

软件导刊

影响因子：0.524
ISSN：1672-7800
年,卷(期)：2021.20(10)
  • 1
  • 13