| 基于贝叶斯与神经网混合算法的电商信用评价方法研究 |
| |
| 引用本文： | 张朝辉,刘佳佳,冉惠.基于贝叶斯与神经网混合算法的电商信用评价方法研究[J].情报科学,2020,38(2):81-87. |
| |
| 作者姓名： | 张朝辉 刘佳佳 冉惠 |
| |
| 作者单位： | 吉林大学商学院,吉林长春,130012;北京理工大学管理与经济学院,北京,100089 |
| |
| 基金项目： | 教育部人文社会科学研究项目;吉林省软科学研究计划;吉林大学项目 |
| |
| 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。
|
| 关 键 词： | 电子商务 在线评论 朴素贝叶斯 神经网络 |
| 本文献已被 万方数据 等数据库收录！ |
| 点击此处可从《情报科学》浏览原始摘要信息 |
| 点击此处可从《情报科学》下载免费的PDF全文 |
|
