摘要：在线用户评论向消费者提供了丰富的商品信息,帮助他们挑选从日常用品到娱乐活动相关的商品.然而,评论的数量之大让用户难以对商品有一个清晰的认识.现有解决电子商务网站中评论信息过载问题的方法包括评估评论质量以及总结评论观点等.但是,基于评论质量排序的方法可能信息冗余,而评论总结方法忽视上下文导致易读性较差.因此,需要实现有效的评论选择方法.设计了基于字典和规则以及基于主题模型LDA的观点获取算法来形式化地表示每条评论;提出一种基于贪心算法的评论选择方法,实现从商品评论集中选择一组高质量的评论,并最大化评论集的商品属性覆盖度和评论观点多样性.最后在真实数据集上对算法进行实验来验证该算法,实验结果表明了该算法的有效性.

摘要：电子商务网站中不断增长的商品数量和商品规模对数据管理提出了新的挑战,其中一项重要基本任务是商品归一化,即识别属于同一个客观实体的所有商品.商品归一化的实现有助于提高商品搜索的准确性、改善用户的体验.但由于在电子商务网站中,特别是在C2C(Customer-to-Customer)模式下,商品信息的数据质量很低且缺乏统一的模式定义规范,导致已有的商品归一化方法难以适用.针对这一问题,文中设计了一种将数据集成、数据清理和商品归一化相结合的混合框架.该框架首先基于图的方法进行模式集成,然后利用商品的描述信息进行数据清理,从而得到数据质量更高且模式统一的商品信息数据;在数据集成和数据清理之后,利用逻辑斯蒂回归(Logistic regression)模型训练分类器,从而得到商品之间的相似度矩阵,最后对相似度矩阵聚类实现商品归一化.通过与已有的方法在真实数据上进行对比实验,验证了文中提出的方法的有效性.

摘要：近年来,微博平台作为社交媒体载体之一,已经成为新闻信息传播的重要工具。然而,微博平台自身特性决定了其无法提供避免谣言或是虚假信息传递的有效机制。针对这一问题,建立一套完整的算法框架来判断微博的置信度。首先,从不同视角对微博数据提取特征,并将这些多视角的特征通过典型相关分析法(Canonical Correlation Analysis,以下简称CCA)映射到共同子空间中。接下来,从物理学的重力场理论中获得启发,设计一种新的判别学习算法——数据引力场模型(Data Gravitational Field,以下简称DGF)并从大量信息中判别出错误信息或虚假信息。实验表明,这种信息置信度自动检测方法能够达到较高的准确率和召回率。同时,相比较于其它学习算法,数据引力场模型也有更好的表现。