葛声利

摘要：随着无线通信技术不断发展，移动终端的普及，大量的用户涌入到互联网中来，同时随着博客和微博的兴起，互联网进入了web2.0的时代。以自媒体为代表的个人影响会被网络放大，第三方点评平台也在这种浪潮之下应运而生，人们可以通过第三方点评平台来表达自己对商品的看法，大量的观点在网络平台上汇聚，形成对商品的较全面的评价，同时大型第三方点评平台上的评价和评分也成为用户了解商品的最好方式。但是第三方点评平台会存在评分缺失的现象，对平台的准确性和客观性造成不良影响。针对此问题，本文提出了基于文本向量和机器学习的评分预测的方法，能较为准确地预测确实的评分。

关键词：评分预测；文本向量；机器学习；集成模型

中图分类号：TP391 文献标识码：A 文章编号：1009-3044（2019）05-0171-02

Rating Prediction Based on Text Vector and Machine Learning

GE Sheng-li

（Tongji University， Shanghai 201800， China）

Abstract： With the continuous development of wireless communication technology， the popularity of mobile terminals， a large number of users flooded into the Internet， and with the rise of blogs and Weibo， the Internet has entered the era of web2.0. The personal influence represented by the media will be amplified by the network， and the third-party review platform emerges under such a wave. People can express their views on the products through the third-party review platform. A large number of opinions are on the network platform. Convergence， a more comprehensive evaluation of the product， and evaluation and scoring on the large third-party review platform has become the best way for users to understand the product. However， the third-party review platform will have a lack of scores， which will adversely affect the accuracy and objectivity of the platform. In response to this problem， this paper proposes a method based on text vector and machine learning for scoring prediction， which can accurately predict the actual score.

Key words： score prediction； text feature engineering； machine learning； integrated model； weighted model

1 研究背景

随着科学技术的进步，基础通信设施的工艺更加先进，以及智能移动终端的普及，大量的用户涌入到了互联网中，人们的想法和意见更加容易被他人看见，同时也更加具有价值。于是相应的第三方评论平台就在互联网的浪潮之下应运而生，比如电影的第三方评论平台，国内的豆瓣，国外的IMDB等，第三方自媒体平台，国内的微博，国外的twitter，实体店铺的第三方评论平台，国内的大众点评等，国外的yelp等。

这些点评平台都拥有大量来自用户的文本评论和评分，这些平台上对商品和商铺的评分会对消费者的购物决策有较大影响。……