Please wait a minute...
Advanced Search
数据分析与知识发现  0, Vol. Issue (): 1-     https://doi.org/10.11925/infotech.2096-3467. 2020.0690
  本期目录 | 过刊浏览 | 高级检索 |
特征选择下融合图像和文本分析的在线短租平台信任计算框架
梁家铭,赵洁,郑鹏,黄流深,叶敏祺,董振宁
(广东工业大学管理学院 广州 510520)
Image and text analysis based computational framework of trust in online short-rent platform using feature selection
Jiaming Liang,Jie Zhao,Peng Zheng,Liushen Huang,Minqi Ye,Zhenning Dong
(Guangdong University of Technology, Guangzhou, 510520)
全文: PDF (549 KB)  
输出: BibTeX | EndNote (RIS)      
摘要 

【目的】提出新的在线短租平台信任计算框架,提供多组低维信任特征供用户选择展示个人信息,缓解隐私保护造成数据缺失导致无法评估信任问题。【方法】融合图像和文本数据分析,使用进化算法结合粗糙集特征选择算法获得多组信任特征。【结果】新信任计算框架在保持信任预测精度不变情况下,信任特征降维后维度约为原特征集5%。【局限】仅对国内代表性平台数据分析,可扩展到国外平台数据。【结论】图像和文本分析为在线短租平台信任计算引入新视觉,所提出的信任计算框架可提供多组低维信任特征,可有效缓解信任计算中数据缺失和隐私等问题。

服务
把本文推荐给朋友
加入引用管理器
E-mail Alert
RSS
作者相关文章
关键词 在线短租信任计算特征选择     
Abstract

[Objective] A novel computational framework for trust in online short-rent platform is proposed. Multiple groups of low-dimension feature subsets are provided to users for presenting personal information, which contributes to ease the problem in trust computations caused by missing data. [Methods] Evolutionary algorithm based rough-set feature selection is used. Image and text analysis are used for feature extraction. [Results] The proposed framework reduces dimension into 5% of the original feature set with classification accuracy remaining unchanged. [Limitations] Further analysis could be done on overseas platform data. [Conclusions] The proposed framework could provide multiple groups of low-dimension feature subsets, which could help to ease the problem in trust computing caused by missing data and privacy.

Key words Online short-rent    Trust computing    Feature selection
     出版日期: 2020-10-09
ZTFLH:  G203  
引用本文:   
梁家铭, 赵洁, 郑鹏, 黄流深, 叶敏祺, 董振宁. 特征选择下融合图像和文本分析的在线短租平台信任计算框架 [J]. 数据分析与知识发现, 0, (): 1-.
Jiaming Liang, Jie Zhao, Peng Zheng, Liushen Huang, Minqi Ye, Zhenning Dong. Image and text analysis based computational framework of trust in online short-rent platform using feature selection . Data Analysis and Knowledge Discovery, 0, (): 1-.
链接本文:  
https://manu44.magtech.com.cn/Jwk_infotech_wk3/CN/10.11925/infotech.2096-3467. 2020.0690      或      https://manu44.magtech.com.cn/Jwk_infotech_wk3/CN/Y0/V/I/1
[1] 吴金红, 穆克亮. 国际期刊异常行为的自动识别与预警研究*[J]. 数据分析与知识发现, 2022, 6(2/3): 385-395.
[2] 曹睿,廖彬,李敏,孙瑞娜. 基于XGBoost的在线短租市场价格预测及特征分析模型*[J]. 数据分析与知识发现, 2021, 5(6): 51-65.
[3] 梁家铭, 赵洁, 郑鹏, 黄流深, 叶敏祺, 董振宁. 特征选择下融合图像和文本分析的在线短租平台信任计算框架 *[J]. 数据分析与知识发现, 2021, 5(2): 129-140.
[4] 周成,魏红芹. 专利价值评估与分类研究*——基于自组织映射支持向量机[J]. 数据分析与知识发现, 2019, 3(5): 117-124.
[5] 梁家铭,赵洁,Jianlong Zhou,董振宁. 用户隐式行为挖掘在抗信誉共谋中的应用研究*[J]. 数据分析与知识发现, 2019, 3(5): 125-138.
[6] 温廷新,李洋子,孙静霜. 基于多因素特征选择与AFOA/K-means的新闻热点发现方法*[J]. 数据分析与知识发现, 2019, 3(4): 97-106.
[7] 谭章禄,王兆刚,胡翰. 一种基于χ2统计的特征分类选择方法研究*[J]. 数据分析与知识发现, 2019, 3(2): 72-78.
[8] 温廷新, 李洋子, 孙静霜. 基于改进的果蝇优化算法的文本特征选择优化模型[J]. 数据分析与知识发现, 2018, 2(5): 59-69.
[9] 操玮, 李灿, 贺婷婷, 朱卫东. 基于集成学习的中国P2P网络借贷信用风险预警模型的对比研究*[J]. 数据分析与知识发现, 2018, 2(10): 65-76.
[10] 李志鹏, 李卫忠. 基于可拓小生境量子粒子群算法的特征选择*[J]. 数据分析与知识发现, 2017, 1(7): 82-89.
[11] 张越, 王东波, 朱丹浩. 面向食品安全突发事件汉语分词的特征选择及模型优化研究*[J]. 数据分析与知识发现, 2017, 1(2): 64-72.
[12] 吴江, 靳萌萌. 在线短租房源图片对消费者行为意愿的影响*[J]. 数据分析与知识发现, 2017, 1(12): 10-20.
[13] 李湘东, 阮涛, 刘康. 基于维基百科的多种类型文献自动分类研究*[J]. 数据分析与知识发现, 2017, 1(10): 43-52.
[14] 路永和, 陈景煌. 混合蛙跳算法在文本分类特征选择优化中的应用*[J]. 数据分析与知识发现, 2017, 1(1): 91-101.
[15] 孟园,王洪伟. 基于文本内容特征选择的评论质量检测*[J]. 现代图书情报技术, 2016, 32(4): 40-47.
Viewed
Full text


Abstract

Cited

  Shared   
  Discussed   
版权所有 © 2015 《数据分析与知识发现》编辑部
地址:北京市海淀区中关村北四环西路33号 邮编:100190
电话/传真:(010)82626611-6626,82624938
E-mail:jishu@mail.las.ac.cn