《表3 二分类下评论有用性分类效果Tab.3Evaluation of usefulness classification under two classifications》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于word2vec的评论有用性研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

使用产品属性模型（PA-model）从评论中抽取6个特征分别是正向评论有用性值（PosPASco），负向评论有用性值（NegPASco），正向评论有用性平均值（AvgPosPA），负向评论有用性平均值（AvgNegPA），正向评论有用性标准差（StdPosPA），负向评论有用性标准差（StdNegPA）.将所有特征的集合记录为P，同时结合模型抽取的6个特征，共得到7个评论有用性特征集合，选择随机森林算法，使用五折交叉检验，分别对这7个评论有用性特征进行二分类和三分类的评论有用性预测.本文中选取0.6作为评论有用性的二分类的阈值，选取0.4和0.8作为评论有用性的三元分类阈值.用精确率（Precision），召回率（Recall）和F指标（F-Measure），对评论有用性分类进行评测，实验结果如表3，表4所示.