亚马逊用户评论数据集

Data Set Information: 数据集来自亚马逊商业网站上查看作者身份识别。以前的大多数研究都对两到十位作者进行了鉴定实验。但在在线环境下，待识别的评论通常有更多的潜在作者，通常分类算法不适合大量的目标类。为了检验分类算法的稳健性，我们确定了50个最活跃的用户（由唯一的ID和用户名表示），他们经常在这些新闻组中发布评论。我们为每位作者收集的评论数量为30篇。 Attribute Information: 归因包括作者的语言风格，如数字的使用、标点符号的使用、单词和句子的长度以及单词的使用频率等 Relevant Papers: Sanya Liu, Zhi Liu, Jianwen Sun, Lin Liu, 'Application of Synergetic Neural Network in online Writeprint Identification', JDCTA: International Journal of Digital Content Technology and its Applications, Vol. 5, No. 3, pp. 126 ~ 135, 2011 Jianwen Sun, Zongkai Yang, Pei Wang, Sanya Liu, 'Variable Length Character N-Gram Approach for online Writeprint Identification,' mines, pp.486-490, 2010 International Conference on Multimedia Information Networking and Security, 2010 Citation Request: Please refer to the Machine Learning Repository's citation policy

数据集信息：本数据集源自亚马逊商务网站，用于作者身份识别任务。过往多数相关研究仅针对2至10位作者开展身份鉴定实验，但在线场景中待识别评论的潜在作者数量往往更多，常规分类算法难以适配大规模目标类别场景。为验证分类算法的鲁棒性，我们选取了50名最活跃的用户（以唯一ID与用户名标识），这些用户常在该类新闻组发布评论，且为每位作者收集了30篇评论样本。
属性信息：本数据集的属性涵盖作者的语言风格特征，例如数字使用习惯、标点符号使用偏好、词汇与句子长度，以及词汇使用频率等。
相关论文：
1. Sanya Liu、Zhi Liu、Jianwen Sun、Lin Liu，《协同神经网络（Synergetic Neural Network）在在线书写印记识别（online Writeprint Identification）中的应用》，《JDCTA：数字内容技术及其应用国际期刊》，2011年，第5卷第3期，第126~135页。
2. Jianwen Sun、Zongkai Yang、Pei Wang、Sanya Liu，《面向在线书写印记识别的变长字符N元语法（N-Gram）方法》，2010年多媒体信息网络与安全国际会议，第486~490页，2010年。
引用要求：请遵循机器学习仓库（Machine Learning Repository）的引用规范。