抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
生成物を購入または新医師のための探索か,消費者はしばしば推奨のためのオンラインレビューに移ることが分かった。レビューした真実かどうか決定は,消費者が必須である,偽りのレコメンデーションにミスリード得なかった。不幸にして,しばしば困難である,または,テキストを読むによるレビューの妥当性を確認するためにヒトの,しかし,untruthfulレビューを検出するための良く機能機械学習法を示した不可能。先の研究により,untruthfulレビューの検出に対するアンサンブル学習者の影響を検討されてこなかった,これらの技術は関連テキスト分類領域における効果的であるにもかかわらず。スパムレビューの検出に対するアンサンブル技術の影響の他の研究者に情報を提供しようとしている。この目的のために,四つの分類器と基本的学習装置として四分類器を用いた三アンサンブル技法を評価した。は基本的学習装置を用いた多項ナイーブBayes,C4.5,ロジスティック回帰,サポートベクトルマシン,ランダムフォレスト,100年,250年,および500の木,ブースティングとバッギングの結果を比較した。試験したアンサンブル技術は,いずれも標準多項Naive Bayes上レビュースパム検出を顕著に改善することができなかったことを見出し,価値に与える計算費用である。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】