【摘要】：目前,電子商務(wù)在日常生活中扮演著非常重要的角色。而在線評論在電子商務(wù)應(yīng)用中起著至關(guān)重要的作用,它幫助人們比較產(chǎn)品的質(zhì)量、評估商店的服務(wù),并作為消費者購買決策的依據(jù)。但是,由于利益的驅(qū)動,商家開始雇傭水軍冒充普通顧客偽造評論,試圖通過虛假的評論來誤導(dǎo)消費者。一方面對自己的商品進(jìn)行好評,另一方面對于競爭者惡意詆毀。虛假評論的存在,使?fàn)I造公平公正的網(wǎng)絡(luò)購物環(huán)境帶來了巨大挑戰(zhàn)。因此,如何有效識別虛假評論成為亟待解決的網(wǎng)絡(luò)安全問題之一。許多工作者專注于研究虛假評論的檢測方法,所研究的成果在幫助用戶提供合理購物決策同時對商家良性競爭有指導(dǎo)意義。盡管研究人員對虛假評論檢測取得了很大進(jìn)展,但依舊存在很多不足之處。首先,研究成果沒有挖掘評論文本的多維特征以及與評分之間的一致性問題;其次,忽略了評論數(shù)量及評分與時間序列存在隱含關(guān)系;最后,沒有考慮多模網(wǎng)絡(luò)特征對識別虛假評論的影響。所以,目前的研究算法對虛假評論的識別仍舊存在很大問題。針對以上對虛假評論檢測存在的問題,本文提出并深入研究一種基于知識圖譜的虛假評論檢測方法。本文主要工作如下:(1)提出一種基于評分-文本一致性的虛假評檢測方法。首先,分析評論文本的情感極性,考慮情感強度、特征影響度對文本極性的影響,并判斷文本極性與評分的一致性;其次,通過分析多源特征簡化特征集,進(jìn)而提取5個重要的虛假評論檢測特征;最后,融合抽取的多個虛假評論特征,構(gòu)建出虛假評論檢測分類器。該方法是計算知識圖譜中評論真實性的重要前提。(2)提出一種基于多維時間序列的虛假評論識別方法。首先,在評分和評論數(shù)量兩個維度上,借助于貝葉斯算法,擬合一條曲線時間序列曲線;其次,設(shè)置滑動時間窗口并使用模板匹配算法檢測擬合曲線突發(fā)模式;最后,比較突發(fā)時間段的評分與評論數(shù)量的一致性。該方法是根據(jù)評論數(shù)量及評分突然上升或下降的特點提出的,不但能高效率的檢測虛假評論而且有效的檢測商鋪刷單問題。(3)提出一種基于動態(tài)知識圖譜的虛假評論檢測方法。首先,構(gòu)建了多粒度雙向LSTM(ST-BLSTM)網(wǎng)絡(luò)模型,用以抽取包含評論者、評論、商品和店鋪的四類實體;其次,定義了實體間的關(guān)系度量并探討了四類實體之間的聯(lián)系;然后,考慮了時間因素對虛假評論的影響,設(shè)計了一個迭代模型,在關(guān)系抽取中加入時間特征,構(gòu)建動態(tài)圖譜網(wǎng)絡(luò);最后,定義4個新指標(biāo),以有效衡量四類節(jié)點間的相互影響關(guān)系,并據(jù)此構(gòu)建出虛假評論檢測分類器。此外,為支持本文的創(chuàng)新性,本文利用八爪魚數(shù)據(jù)器采集了大量多特征評論數(shù)據(jù)集。該數(shù)據(jù)集彌補了當(dāng)前數(shù)據(jù)單模且信息不完善的缺點。該數(shù)據(jù)集包含用戶、評論、商品、店鋪以及評論時間等多模特征信息。數(shù)據(jù)采集過程主要步驟如下:首先,通過目前虛假評論特點和查找文獻(xiàn),檢驗本文采集信息源的合理性;再次,針對原始數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化并進(jìn)行多模特征相關(guān)性分析;最后,驗證多模特征信息對在虛假評論檢測的重要性。
【圖文】：

些多維特征的權(quán)重比例，解決了不同特征的融合問題短期偏好。在 Movielens 數(shù)據(jù)集上的對比實驗驗證文有效提高推薦的 MAP 值。據(jù)構(gòu)建病歷圖譜，有助于與開放知識庫關(guān)聯(lián)，，進(jìn)行疾研究。針對目前常見的幾種基于關(guān)系數(shù)據(jù)庫的 RDF 存性能不足等問題，Xia[26]提出了一種改進(jìn)的病歷圖譜以及基于類型的存儲方案的對比 驗證了該方案的有中的情況下具有更高的查詢效率。推薦和醫(yī)療系統(tǒng)應(yīng)用比較成熟，很多研究者們做了大是目前把知識圖譜應(yīng)用于虛假評論的檢測幾乎沒人做圖譜的虛假評論檢測方法。安排及研究工作究思路如圖 1-1 形式。

次判斷增加或者刪除某個變量是否對因變量有顯著影響， ￠( ) ￠( ) 2 中： ￠( )表示不包含檢驗變量時模型的對數(shù)似然值， ，近似服從自由度為待檢驗因素個數(shù)的 分布。當(dāng)大于設(shè)，表示該影響因素對 Logistic 模型有意義。本文計算 7 05 條件下，計算結(jié)果如表 2-5 所示。結(jié)果可以看出在 5 個。因此得出其中一個變量在其他 4 個變量不變的情況下影對檢測虛假評論非常有意義。表 2-4 特征貢獻(xiàn)率F1 F2 F3 F4 F5 59357 0.448040 0.156428 0.056471 0.103679 0.0表 2-5 似然比測試表征 F0 F1 F2 F3 F4 F5 F66.8 9.4 6.2 4.3 5.2 3.8 3.
【學(xué)位授予單位】：山東師范大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：F713.36;TP391.1

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 饒鮮;楊紹全;魏青;董春曦;;基于熵的入侵檢測特征參數(shù)選擇[J];系統(tǒng)工程與電子技術(shù);2006年04期

2 龍嘯;方勇;黃誠;劉亮;;Webshell研究綜述:檢測與逃逸之間的博弈[J];網(wǎng)絡(luò)空間安全;2018年01期

3 沈通;吳志軍;張建富;楊建新;曾龍;;數(shù)控加工原位檢測系統(tǒng)中檢測規(guī)劃關(guān)鍵技術(shù)研究[J];制造技術(shù)與機床;2018年08期

4 張少擎;;基于MBD的數(shù)字化零件檢測技術(shù)研究[J];航空制造技術(shù);2014年21期

5 王通;郭淵博;祝松帥;嚴(yán)新成;;基于大數(shù)據(jù)的APT威脅檢測方法[J];信息工程大學(xué)學(xué)報;2017年06期

6 劉素芳,凌云,曹致剛,程玉香,姜雪波,曾蓉嘉,陳雪蓮,賈銘章;全自動酶標(biāo)分析系統(tǒng)對抗-HCVEIA檢測特征性的影響[J];中國輸血雜志;2000年01期

7 周穎;胡勇;;基于關(guān)聯(lián)分析的Webshell檢測方法研究[J];信息安全研究;2018年03期

8 歐凡;劉沖;;人臉圖像灰度分布統(tǒng)計分析與檢測特征設(shè)計[J];大連理工大學(xué)學(xué)報;2010年04期

9 申家全;閆懷志;胡昌振;;探地雷達(dá)目標(biāo)檢測中的離散余弦變換方法[J];儀器儀表學(xué)報;2011年06期

10 劉麗冰;桑宏強;陳英姝;張紅梅;田大偉;;用于加工中心的在線檢測新方法研究[J];新技術(shù)新工藝;2005年11期

相關(guān)會議論文 前1條

1 侯長軍;彭承琳;羅偉;霍丹群;段玉娟;羅小剛;法煥寶;;卟啉傳感的肺病早期診斷技術(shù)研究[A];中國儀器儀表學(xué)會醫(yī)療儀器分會第四次全國會員代表大會暨2009年學(xué)術(shù)年會論文集[C];2009年

相關(guān)重要報紙文章 前2條

1 ;如何解決誤報率問題[N];中國計算機報;2002年

2 本報記者 耿挺;兩小時讓H7N9原形畢露[N];上海科技報;2013年

相關(guān)博士學(xué)位論文 前3條

1 張治國;前方道路行人檢測和距離估計研究[D];華中科技大學(xué);2017年

2 許舟軍;基于異常分析的入侵檢測關(guān)鍵技術(shù)研究[D];天津大學(xué);2006年

3 滕少華;基于對象監(jiān)控的分布式協(xié)同入侵檢測[D];廣東工業(yè)大學(xué);2008年

相關(guān)碩士學(xué)位論文 前10條

1 李昭青;基于視頻的行人檢測研究[D];山東大學(xué);2019年

2 吳楚婷;基于用戶網(wǎng)絡(luò)數(shù)據(jù)指紋的異常行為檢測研究[D];北京郵電大學(xué);2019年

3 房有麗;基于知識圖譜的虛假評論檢測方法研究[D];山東師范大學(xué);2019年

4 毛科棟;基于深度學(xué)習(xí)的房顫檢測[D];浙江工業(yè)大學(xué);2019年

5 李承前;基于深度學(xué)習(xí)的行人檢測方法的研究[D];中國石油大學(xué)(華東);2017年

6 高苗;基于姿態(tài)分析的摔倒檢測研究與實現(xiàn)[D];上海師范大學(xué);2019年

7 劉廣峰;基于車載攝像頭的行人檢測算法研究[D];吉林大學(xué);2018年

8 劉清波;基于深度學(xué)習(xí)的行人檢測研究[D];湖南大學(xué);2018年

9 蘇博文;基于HOG3D的三維CT腹部器官檢測[D];哈爾濱工業(yè)大學(xué);2018年

10 劉李正;基于Kinect的人體跌倒檢測算法研究[D];南京郵電大學(xué);2018年

本文編號：2592658