本文關鍵詞：垃圾評論檢測算法的研究，由筆耕文化傳播整理發(fā)布。

【摘要】：在電子商務平臺上垃圾評論已經嚴重影響到消費者的用戶體驗和切身利益,如何檢測垃圾評論成為當前研究的熱點。垃圾評論可以分為內容型垃圾評論和欺詐型評論,內容型垃圾評論通常為了達到消息傳播的目的,欺詐型評論的目的在于改變潛在消費者對商品的印象。本文通過分析垃圾評論的表現(xiàn)形式,分別針對內容型垃圾評論和欺詐型評論進行分析和檢測。內容型垃圾評論通常在評論內容中添加廣告鏈接、垃圾網頁鏈接和黃賭毒等,其目的在于信息的推送和病毒的傳播等。本文通過研究內容型垃圾評論的表現(xiàn)形式,分析內容型垃圾評論的特征,設計BP神經網絡模型和自編碼神經網絡與樸素貝葉斯的結合模型對內容型垃圾評論進行檢測。欺詐型垃圾評論是指評論發(fā)布者通過虛假的發(fā)貨和虛假的訂單獲取大量的評論權限,蓄意吹捧和詆毀特定對象的形象,達到改變潛在消費者購買行為的虛假評論。欺詐型評論直接影響到消費者的購買決定,損害消費者對商品的知情權。本文通過分析欺詐型評論發(fā)布者表現(xiàn)形式,設計了基于多元特征的欺詐型評論檢測模型。其中多元特征包含用戶行為特征、商品特征、用戶自身屬性特征和評論內容特征。根據(jù)研究表明評論發(fā)布者行為特征對欺詐型評論檢測貢獻較大,然而當前在用戶行為特征提取中摻雜過多的人工參與,本文使用棧式自編碼神經網絡對用戶行為特征進行自動學習,減少特征提取中的人工參與,致力于學習更全面的用戶行為特征,然后本文使用多元特征對欺詐型評論進行檢測。
【關鍵詞】：垃圾評論檢測 自編碼神經網絡 棧式自編碼神經網絡 特征學習
【學位授予單位】：西南交通大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：TP391.1
【目錄】：

• 摘要6-7
• Abstract7-11
• 第1章 緒論11-15
• 1.1 課題研究背景及意義11
• 1.2 國內外研究現(xiàn)狀11-13
• 1.3 研究內容和目標13
• 1.4 論文結構安排13-15
• 第2章 垃圾評論檢測相關技術和算法15-27
• 2.1 垃圾評論檢測技術15-18
• 2.1.1 內容型垃圾評論檢測技術15-17
• 2.1.2 欺詐型垃圾評論檢測技術17-18
• 2.2 垃圾評論檢測算法優(yōu)缺點18-19
• 2.3 人工神經網絡19-24
• 2.3.1 感知器模型19-21
• 2.3.2 BP神經網絡21-22
• 2.3.3 梯度下降算法22-24
• 2.4 棧式自編碼神經網絡24-26
• 2.4.1 自編碼神經網絡25
• 2.4.2 自編碼神經網絡的PCA應用25-26
• 2.4.3 稀疏自編碼神經網絡26
• 2.5 本章小結26-27
• 第3章 垃圾評論檢測框架設計與數(shù)據(jù)預處理27-34
• 3.1 垃圾評論檢測總體框架27-28
• 3.2 垃圾評論數(shù)據(jù)集28-29
• 3.2.1 其他數(shù)據(jù)集29
• 3.3 數(shù)據(jù)集的準備29-33
• 3.3.1 數(shù)據(jù)預處理30-32
• 3.3.2 垃圾評論檢測數(shù)據(jù)集32-33
• 3.4 本章小結33-34
• 第4章 內容型垃圾評論檢測34-48
• 4.1 內容型垃圾評論的表現(xiàn)手段34-35
• 4.2 特征選擇與分析35-38
• 4.2.1 評論元數(shù)據(jù)相關的特征35
• 4.2.2 評論內容相關的特征35-38
• 4.2.3 評論發(fā)布者相關的特征38
• 4.3 內容型垃圾評論檢測算法分析與設計38-42
• 4.3.1 基于BP神經網絡內容垃圾評論檢測模型38-39
• 4.3.2 自編碼神經網絡與樸素貝葉斯結合模型39-42
• 4.4 實驗結果與分析42-47
• 4.4.1 數(shù)據(jù)歸一化42-43
• 4.4.2 基于BP神經網絡的檢測模型實驗結果43
• 4.4.3 自編碼神經網絡與樸素貝葉斯結合模型實驗結果43-46
• 4.4.4 實驗對比分析46-47
• 4.5 本章小結47-48
• 第5章 欺詐型評論檢測48-61
• 5.1 欺詐型評論的作弊手段48-49
• 5.2 欺詐型評論的檢測原理分析49
• 5.3 基于多元特征的欺詐型評論檢測模型49-56
• 5.3.1 欺詐型評論檢測框架50
• 5.3.2 評論內容、用戶和商品的特征選擇50-52
• 5.3.3 用戶行為特征的學習模型52-56
• 5.4 欺詐評論檢測實驗對比與分析56-60
• 5.4.1 數(shù)據(jù)歸一化56
• 5.4.2 實驗結果分析56-59
• 5.4.3 實驗對比59-60
• 5.5 本章小結60-61
• 第6章 總結與展望61-63
• 6.1 總結61
• 6.2 不足與展望61-63
• 致謝63-64
• 參考文獻64-68
• 攻讀碩士學位期間發(fā)表的論文68

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前1條

1 楊銘;祁巍;閆相斌;李一軍;;在線商品評論的效用分析研究[J];管理科學學報;2012年05期

  本文關鍵詞：垃圾評論檢測算法的研究，由筆耕文化傳播整理發(fā)布。

，

本文編號：381172