期中周测试题 ，你做对了吗？
刘海丰
该思维导图由 AI 生成，仅供参考
你好，我是海丰。今天，我来公布一下主观题的答案。
我们先来回顾一下题目：
假如，你现在是一家电商平台的产品经理，负责点评系统的产品设计，现在有一个需求是要通过计算将海量评论中的垃圾评论（如，打广告的情况）过滤出来，你会怎么思考和设计产品？
我们知道，用户评论数据都是非结构信息，所以我们首先要做的就是将非结构化数据转化成结构化的。在文本分析中，我们可以使用“词向量”来表示文本中的数据。
举个例子，如果用户评论中出现某些特定词，比如“尊敬的”“您好”“促销”等等，它们很有可能属于垃圾评论。那我们就可以用这些词来构成“词向量”，具体怎么做呢？下面，我分三步来讲。
第一步：对评论进行分词。
分词是文本分析的首要工作，“基于字符串匹配”是最简单的分词方法。举个例子，现在有一句短语叫做“北京亚朵酒店”，以及我们事先积累的词库。
首先，我们可以提出短语的第一个字符串“北”，然后将短语中从“北”字开头的后续的内容与词库中收录的词语进行匹配。当匹配到了词库中的词语“北京”后，就可以停止匹配了，“京”字也就作为终止字符。这样，我们就从“北京亚朵酒店”中提出来了第一个词语“北京”。
接着，我们就可以把“北京”这个词从原始短语中删除，从“亚”字重新开始匹配。
公开
同步至部落
取消
完成
0/2000
荧光笔
直线
曲线笔记
复制
AI
- 深入了解
- 翻译
- 解释
- 总结
电商平台产品经理需要设计一个点评系统，用于过滤海量评论中的垃圾评论。文章提出了解决方案，首先是将非结构化数据转化成结构化的，采用词向量表示文本数据。然后介绍了三个步骤：评论分词、构建训练集和测试集、计算概率。通过分词、词频统计和概率计算，可以对评论进行垃圾评论和正常评论的分类。这个解决方案结合了文本分析和机器学习的方法，能够有效过滤垃圾评论，为产品经理提供了一种可行的设计思路。
仅可试看部分内容，如需阅读全部内容，请付费购买文章所属专栏
《成为 AI 产品经理》，新⼈⾸单¥59
《成为 AI 产品经理》，新⼈⾸单¥59
立即购买
© 版权归极客邦科技所有，未经许可不得传播售卖。 页面已增加防盗追踪，如有侵权极客邦将依法追究其法律责任。
登录 后留言
全部留言(5)
- 最新
- 精选
无觅所以前面交的算法和这次期中出的考题有什么关系？一个算法没有用到，前面算法是白学了吗？2021-10-204- Geek_d54869期中测试题很好，也猜到要分词，具体怎么做没思路；不过这里跟前面学习的算法一点关系都没有，不应该作为期中测试，而是思考延伸。2023-05-25归属地：北京
风逍扬垃圾邮件识别是不是也是一样的原理2022-11-29归属地：北京
Rosa rugosa老师这个解决办法用到了词向量，属于机器学习中的算法吗，是前面算法篇中哪种算法呢？2021-03-151
吴洋麻烦问下词“顾客”出现在评论中，可以判断评论为垃圾评论的概率为0.2，为什么像“您好”、“活动”这些的概率是0.13？我想知道我是怎么算错的。。。2021-01-255
收起评论