隨著網(wǎng)絡(luò)的飛速發(fā)展,人們的日常生活變的高度信息化。為獲得在信息戰(zhàn)中的勝利,網(wǎng)絡(luò)水軍應(yīng)運(yùn)而生。水軍的存在嚴(yán)重污染了網(wǎng)絡(luò)環(huán)境,影響了網(wǎng)絡(luò)安全,他們憑借在短時(shí)間內(nèi)發(fā)布大量垃圾信息來謀取利益,危害巨大。而電商水軍因?yàn)橹苯訉Ξa(chǎn)品等電子商務(wù)領(lǐng)域事物發(fā)布垃圾信息,極易造成人們的財(cái)產(chǎn)損失,因此如何有效的識別電商水軍更值得人們關(guān)注。網(wǎng)絡(luò)水軍特性決定了他具有自己獨(dú)特的行為模式,首先,為了在最短的時(shí)間內(nèi)獲得最大的利益,并且盡可能的將所產(chǎn)生的影響擴(kuò)大到極致,水軍用戶通常會(huì)對目標(biāo)商品進(jìn)行統(tǒng)一的評分,這些分值通常極高或極低,這樣便可以最大程度的改變商品的平均分值。其次,在針對商品的評論內(nèi)容上,由于水軍需要完成的工作量非常大,注定了他無法像正常用戶一樣根據(jù)不同產(chǎn)品的差異寫出不同的真實(shí)感受,因此會(huì)出現(xiàn)大量相同或相似的評論。第三,正常用戶與水軍用戶的評價(jià)信息交叉在一起就會(huì)出現(xiàn)評分上的差異,因此可以通過用戶的評分偏差來對水軍賬號進(jìn)行判斷。另外,由于近年來微信公眾號的廣泛應(yīng)用,會(huì)出現(xiàn)水軍在商品圖片評論區(qū)上傳帶有微信二維碼圖片的現(xiàn)象,這無疑擾亂了正常的評論秩序。這些水軍行為模式與普通用戶之間存在著較大的差異,我們希望可以從這... 

【文章來源】：江西農(nóng)業(yè)大學(xué)江西省

【文章頁數(shù)】：45 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
1 引言
    1.1 研究背景
    1.2 研究意義
    1.3 國內(nèi)外研究現(xiàn)狀
        1.3.1 國內(nèi)研究情況
        1.3.2 國外研究情況
    1.4 本文研究目標(biāo)和內(nèi)容
        1.4.1 研究目標(biāo)
        1.4.2 論文主要內(nèi)容
2 識別水軍的傳統(tǒng)方法介紹
    2.1 加權(quán)圖中異常節(jié)點(diǎn)檢測介紹
    2.2 根據(jù)郵件排名檢測水軍方法介紹
3 電商評論數(shù)據(jù)的獲取及處理
    3.1 技術(shù)簡介
    3.2 工作流程
    3.3 評論的獲取與處理
        3.3.1 數(shù)據(jù)獲取
        3.3.2 分詞處理
        3.3.3 詞典的構(gòu)建
    3.4 數(shù)據(jù)整理
4 電子商務(wù)領(lǐng)域網(wǎng)絡(luò)水軍行為研究
    4.1 電商水軍特點(diǎn)
    4.2 電商水軍檢測模型的構(gòu)建
        4.2.1 單個(gè)產(chǎn)品的水軍評論分?jǐn)?shù)測評函數(shù)
        4.2.2 單個(gè)產(chǎn)品的水軍評論內(nèi)容測評函數(shù)
        4.2.3 產(chǎn)品組的水軍檢測
            4.2.3.1 針對產(chǎn)品組的多個(gè)高分評價(jià)檢測
            4.2.3.2 針對產(chǎn)品組的多個(gè)低分評價(jià)檢測
            4.2.3.3 針對產(chǎn)品組的檢測模型
        4.2.4 根據(jù)用戶的評分偏差行為進(jìn)行水軍檢測
        4.2.5 無關(guān)評論的檢測
    4.3 LDA主題模型的構(gòu)建
        4.3.1 文本分類模型
        4.3.2 LDA概述
        4.3.3 LDA參數(shù)
        4.3.4 LDA主題模型的構(gòu)建
        4.3.5 根據(jù)LDA模型計(jì)算主題偏離度
5 混合檢測公式的構(gòu)建
    5.1 混合檢測公式的構(gòu)建
    5.2 水軍標(biāo)記方法
    5.3 方法評估
    5.4 水軍綜合測評公式
6 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
參考文獻(xiàn)
致謝
作者簡歷
攻讀碩士學(xué)位期間完成的論文


【參考文獻(xiàn)】：
期刊論文
[1]基于人工免疫危險(xiǎn)理論的微博水軍用戶檢測研究[J]. 楊超,秦廷棟,范波,李濤.  計(jì)算機(jī)科學(xué). 2018(11)
[2]一種高效的分布式水軍群組檢測算法[J]. 張璐,朱海婷.  計(jì)算機(jī)工程. 2019(07)
[3]社交網(wǎng)絡(luò)水軍用戶的動(dòng)態(tài)行為分析及在線檢測[J]. 李巖,鄧勝春,林劍.  計(jì)算機(jī)工程. 2019(08)
[4]基于特定話題的網(wǎng)絡(luò)水軍識別研究[J]. 程傳鵬,張書欽,劉小明,夏敏捷.  中原工學(xué)院學(xué)報(bào). 2018(04)
[5]基于LDA模型的文本聚類檢索[J]. 李霄野,李春生,李龍,張可佳.  計(jì)算機(jī)與現(xiàn)代化. 2018(06)
[6]基于群體行為的社交媒體中水軍分析[J]. 李大鵬,余宗健,肖朝文,邱江濤.  計(jì)算機(jī)工程與應(yīng)用. 2018(05)
[7]基于PageRank的網(wǎng)絡(luò)社區(qū)意見領(lǐng)袖發(fā)現(xiàn)算法[J]. 周飛,高茂庭.  計(jì)算機(jī)工程. 2018(02)
[8]科技情報(bào)分析中LDA主題模型最優(yōu)主題數(shù)確定方法研究[J]. 關(guān)鵬,王曰芬.  現(xiàn)代圖書情報(bào)技術(shù). 2016(09)
[9]網(wǎng)絡(luò)輿情觀點(diǎn)提取的LDA主題模型方法[J]. 陳曉美,高鋮,關(guān)心惠.  圖書情報(bào)工作. 2015(21)
[10]LDA主題模型研究綜述[J]. 祖弦,謝飛.  合肥師范學(xué)院學(xué)報(bào). 2015(06)

碩士論文
[1]基于跨模態(tài)分析的隱式網(wǎng)絡(luò)水軍檢測研究[D]. 陳彤.北京交通大學(xué) 2018
[2]基于用戶行為的網(wǎng)絡(luò)論壇水軍檢測研究與實(shí)現(xiàn)[D]. 呂晨.西南交通大學(xué) 2017
[3]基于電商評論的網(wǎng)絡(luò)水軍識別[D]. 王軍博.北京交通大學(xué) 2016
[4]基于聚類與LDA的新聞評論主題挖掘研究[D]. 李保國.武漢紡織大學(xué) 2016



本文編號：3022777