TY -的A2 -切,Hangjun盟——江Xuehui PY - 2022 DA - 2022/04/01 TI -电子商务用户评论的情感分类模型基于改进粒子群优化算法和支持向量机SP - 3330196六世- 2022 AB -快速增长的互联网用户的数量和在线评论的数量数据,大量的样本数据挖掘技术提供了可参考的信息。作为数据挖掘技术的应用,文本情感分类可以广泛应用于公众舆论管理、市场营销、等领域。在这项研究中,结合SVM(支持向量机)和IPSO方法提出了改进的粒子群优化)通过使用文本数据分类的情绪。首先,30000种商品评论的文本数据和相应的评级是通过网络爬虫收集。然后,TFIDF(术语frequency-inverse文档频率)和Word2vec货物审查文本数据进行向量化。接下来,由支持向量机训练分类模型,提出和初始IPSO的支持向量机参数进行优化。最后,我们训练SVM-IPSO模型应用于测试集和评估性能的若干措施。我们的实验结果表明,该模型表现最好的文本情感分类的数据。此外,传统的机器学习模型支持向量机参数优化后变得非常有效,这表明,参数的优化IPSO已经成功地提高了分类精度。此外,我们建议的模型SVM-IPSO明显优于其他基准模型,表明它可以应用于改善文本数据的情绪分类的精度和效率。 SN - 1058-9244 UR - https://doi.org/10.1155/2022/3330196 DO - 10.1155/2022/3330196 JF - Scientific Programming PB - Hindawi KW - ER -