發(fā)布時(shí)間：2020-04-23 08:09

【摘要】：隨著Web2.0技術(shù)的迅速發(fā)展,開放交互的共享性網(wǎng)絡(luò)逐漸取代了單一的門戶型網(wǎng)站。通過各種網(wǎng)絡(luò)平臺(tái)發(fā)表自己的評(píng)論和看法已成為人們生活中不可缺少的一部分。例如在淘寶網(wǎng)、當(dāng)當(dāng)網(wǎng)等電商網(wǎng)站中,消費(fèi)者在購買商品后可以進(jìn)行評(píng)分以及寫出對(duì)商品質(zhì)量和商家服務(wù)的感受,同時(shí),消費(fèi)者之間也可以互相提問點(diǎn)贊。在現(xiàn)有電子商務(wù)體系下,擁有較高好評(píng)率的商家會(huì)得到優(yōu)先展示。同時(shí),由于差評(píng)無法被商家刪除,其帶給潛在消費(fèi)者的惡劣印象影響深遠(yuǎn),消費(fèi)者在閱讀差評(píng)后很可能會(huì)放棄之前購物的想法,反之擁有極高好評(píng)率的商品更容易成為消費(fèi)者優(yōu)先選擇的對(duì)象。因此,在線商品的銷售與商品評(píng)價(jià)信息密切相關(guān),越來越多的商家為了經(jīng)濟(jì)利益開始雇傭甚至充當(dāng)虛假評(píng)論者對(duì)商品進(jìn)行不切實(shí)際的評(píng)論,主要分為兩種情況:一種是給予自家商品夸大產(chǎn)品質(zhì)量的好評(píng),另一種是通過差評(píng)打擊競爭對(duì)手。這兩種情況導(dǎo)致用戶無法得到商品質(zhì)量的客觀信息,影響消費(fèi)者在購物時(shí)對(duì)商品質(zhì)量的正確判斷,最終使得用戶無法得到滿意的購物體驗(yàn)。面對(duì)復(fù)雜的電子商務(wù)網(wǎng)絡(luò)環(huán)境,尋找出一種科學(xué)有效的辦法去檢測虛假評(píng)論或虛假評(píng)論者,是近些年來國內(nèi)外諸多學(xué)者專家試圖解決的問題。本文從有監(jiān)督學(xué)習(xí)的角度,對(duì)評(píng)論者可能存在的作弊行為開展研究討論,并提出了基于證據(jù)理論的虛假評(píng)論者檢測方法,具體如下:1)本文結(jié)合現(xiàn)今電子商務(wù)平臺(tái)中廣泛存在的虛假評(píng)論,對(duì)虛假評(píng)論者行為動(dòng)機(jī)進(jìn)行分析,并根據(jù)實(shí)際情況對(duì)虛假評(píng)論者采用的多種作弊手段進(jìn)行總結(jié),建立多組指標(biāo)對(duì)虛假評(píng)論者進(jìn)行檢測。2)本文提出將評(píng)論者可能存在的多種作弊行為視為證據(jù)體并構(gòu)建D—S證據(jù)理論模型。同時(shí)借助支持向量機(jī)模型在單特征識(shí)別模式下對(duì)虛假評(píng)論者進(jìn)行檢測,進(jìn)一步利用sigmoid函數(shù)擬合的方式為證據(jù)理論模型下單個(gè)證據(jù)體提供可信度賦值。3)本文以爬取的亞馬遜中國電商網(wǎng)站的評(píng)論者真實(shí)數(shù)據(jù)作為測試數(shù)據(jù)集,結(jié)合人工標(biāo)記的方法,對(duì)所構(gòu)建模型的準(zhǔn)確率、召回率等指標(biāo)進(jìn)行了測試,并同單一證據(jù)體下的檢測效果進(jìn)行了比較。
【圖文】：

原型系統(tǒng)界面

原型系統(tǒng)數(shù)據(jù)導(dǎo)入（2）虛假評(píng)論者識(shí)別框架構(gòu)建
【學(xué)位授予單位】：云南大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：TP181;TP391.1

【參考文獻(xiàn)】

相關(guān)期刊論文 前9條

1 任亞峰;姬東鴻;張紅斌;尹蘭;;基于PU學(xué)習(xí)算法的虛假評(píng)論識(shí)別研究[J];計(jì)算機(jī)研究與發(fā)展;2015年03期

2 彭嵐;周啟海;邱江濤;;消費(fèi)者在線評(píng)論有用性影響因素模型研究[J];計(jì)算機(jī)科學(xué);2011年08期

3 岳昆;劉惟一;王曉玲;李勁;;一種基于不確定性因素疊加的Web服務(wù)質(zhì)量度量方法[J];計(jì)算機(jī)研究與發(fā)展;2009年05期

4 王勇;韓九強(qiáng);;基于多通道Gabor濾波和D-S證據(jù)理論的虹膜識(shí)別[J];信息與控制;2006年04期

5 張翔;肖小玲;徐光yP;;基于樣本之間緊密度的模糊支持向量機(jī)方法[J];軟件學(xué)報(bào);2006年05期

6 諸葛建偉;王大為;陳昱;葉志遠(yuǎn);鄒維;;基于D-S證據(jù)理論的網(wǎng)絡(luò)異常檢測方法[J];軟件學(xué)報(bào);2006年03期

7 陳毅松,汪國平,董士海;基于支持向量機(jī)的漸進(jìn)直推式分類學(xué)習(xí)算法[J];軟件學(xué)報(bào);2003年03期

8 陶卿,曹進(jìn)德,孫德敏;基于支持向量機(jī)分類的回歸方法[J];軟件學(xué)報(bào);2002年05期

9 藍(lán)金輝,馬寶華,藍(lán)天,周兆英;D-S證據(jù)理論數(shù)據(jù)融合方法在目標(biāo)識(shí)別中的應(yīng)用[J];清華大學(xué)學(xué)報(bào)(自然科學(xué)版);2001年02期

相關(guān)碩士學(xué)位論文 前1條

1 劉曉光;基于D-S證據(jù)理論的推理系統(tǒng)研究[D];合肥工業(yè)大學(xué);2010年

，

本文編號(hào)：2637530