在電子商務快速發(fā)展的時代,網(wǎng)絡購物已然成為一種人們普遍的購物方式。與此同時,越來越多的網(wǎng)購用戶在購物之后,喜歡在電商平臺分享自己對于所購商品及店家服務的觀點和感受。大量的理論和實證研究表明,在網(wǎng)絡購物情景下,網(wǎng)購評論對于消費者的購買決策和電商品牌及影響力的塑造均具有重要影響。隨之而來,受利益驅動,一些不法商家采取雇傭虛假評論者發(fā)布不真實評論的手段,來提高自身信譽或詆毀競爭對手信譽,最終達到誤導消費者購買決策行為的目的,致使網(wǎng)上虛假評論泛濫,不僅影響了消費者的正常購買決策,同時嚴重影響了電子商務的健康發(fā)展。這一問題已引起社會各界的廣泛關注,亟待解決�；谏鲜霰尘�,近年來異常評論檢測已經(jīng)成為電子商務和人工智能領域的研究熱點之一,國內外學者從虛假評論的行為動機、形成路徑、自動識別等多方面開展了大量研究。本文在學習借鑒已有研究成果基礎之上,針對異常網(wǎng)購評論識別問題,從網(wǎng)購用戶的評論行為和評論內容兩個維度的特征分析入手,提出了基于行為和內容特征融合的異常網(wǎng)購評論識別方法,主要研究工作及取得的研究成果如下:（1）提出了一種基于行為熵的正常評論群體行為特征識別方法。該方法首先確定評論行為屬性和評論用... 

【文章來源】：大連海事大學遼寧省 211工程院校

【文章頁數(shù)】：69 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究背景和意義
    1.2 國內外研究現(xiàn)狀
        1.2.1 虛假評論的行成動機及其對消費者的影響
        1.2.2 基于評論內容的虛假評論識別
        1.2.3 基于評論行為的虛假評論識別
    1.3 研究內容和技術路線
    1.4 論文組織結構
    1.5 本章小結
2 概念界定及相關基礎理論
    2.1 概念界定
        2.1.1 網(wǎng)購評論
        2.1.2 異常網(wǎng)購評論
    2.2 相關基礎理論
        2.2.1 時間序列分析
        2.2.2 信息熵理論
        2.2.3 文本數(shù)據(jù)挖掘
    2.3 本章小結
3 正常網(wǎng)購評論的群體行為特征分析與規(guī)律挖掘
    3.1 群體行為
        3.1.1 群體行為的概念界定
        3.1.2 群體行為的形成機制與一般特征
        3.1.3 網(wǎng)購評論過程的群體性行為分析
    3.2 網(wǎng)購用戶評論的行為相關屬性與特征選取
        3.2.1 網(wǎng)購用戶的評論行為相關屬性分析
        3.2.2 網(wǎng)購用戶評論行為特征選取
    3.3 網(wǎng)購評論的群體行為規(guī)律挖掘模型構建
        3.3.1 評論用戶分類
        3.3.2 基于信息熵的正常評論群體行為規(guī)律挖掘
        3.3.3 評論者的群體性評論行為規(guī)律挖掘
    3.4 實證分析
        3.4.1 實驗數(shù)據(jù)預處理
        3.4.2 實驗結果分析
    3.5 本章小結
4 正常網(wǎng)購評論的文本特征分析與規(guī)律挖掘
    4.1 網(wǎng)購評論文本的特征選擇
    4.2 網(wǎng)購評論文本的特征建模
        4.2.1 評論文本的長度特征建模
        4.2.2 評論文本的句法結構相似度特征建模
        4.2.3 評論文本的情感極性特征建模
        4.2.4 評論文本的主題一致性特征建模
    4.3 實證分析
        4.3.1 實驗數(shù)據(jù)預處理
        4.3.2 實驗結果分析
    4.4 本章小結
5 基于多特征融合的異常評論識別方法
    5.1 兩階段異常評論識別方法過程框架
    5.2 異常評論識別中的多特征融合算法
        5.2.1 特征集的表示與構建
        5.2.2 顯著性特征檢驗與權重系數(shù)賦值方法
    5.3 基于多特征融合的SVM分類器模型構建
        5.3.1 支持向量機模型(SVM)
        5.3.2 核函數(shù)
        5.3.3 多特征融合的SVM分類模型構建
    5.4 實證分析
        5.4.1 異常評論數(shù)據(jù)集的構建
        5.4.2 實驗結果與分析
    5.5 本章小結
結論
參考文獻
致謝
作者簡歷及攻讀碩士學位期間的科研成果


【參考文獻】：
期刊論文
[1]基于詞向量和CNN的書籍評論情感分析方法[J]. 李昊璇,張華潔.  測試技術學報. 2019(02)
[2]一種基于信息熵的關鍵詞提取算法[J]. 吳華,羅順,孫偉晉.  計算機與數(shù)字工程. 2019(03)
[3]時間序列預測方法綜述[J]. 楊海民,潘志松,白瑋.  計算機科學. 2019(01)
[4]樸素貝葉斯在文本分類上的應用[J]. 孟天樂.  通訊世界. 2019(01)
[5]網(wǎng)上虛假評論研究述評與展望[J]. 劉苗苗,黃沛.  未來與發(fā)展. 2017(11)
[6]文本分類及分類算法研究綜述[J]. 張磊.  電腦知識與技術. 2016(34)
[7]基于情感特征和用戶關系的虛假評論者的識別[J]. 邵珠峰,姬東鴻.  計算機應用與軟件. 2016(05)
[8]基于評論者關系的垃圾評論者識別研究[J]. 徐小婷,魏晶晶,廖祥文,劉月,陳水利.  集美大學學報(自然科學版). 2016(02)
[9]結合深度置信網(wǎng)絡和模糊集的虛假交易識別研究[J]. 張李義,劉暢.  現(xiàn)代圖書情報技術. 2016(01)
[10]基于模板用戶信息搜索行為和統(tǒng)計分析的共謀銷量欺詐識別[J]. 王忠群,樂元,修宇,皇蘇斌,汪千松.  現(xiàn)代圖書情報技術. 2015(11)

博士論文
[1]在線用戶評論行為時間序列關聯(lián)特征規(guī)律研究[D]. 張艷豐.吉林大學 2018
[2]虛假評論對消費者購買意愿的影響研究[D]. 劉璇.南京大學 2015

碩士論文
[1]基于并行SVM算法的中文文本分類方法研究[D]. 尹旭東.吉林大學 2018
[2]基于文本與用戶行為挖掘的虛假評論識別研究[D]. 道如那.內蒙古大學 2018
[3]電商虛假評論識別[D]. 李存林.廣西民族大學 2018
[4]基于深度學習的虛假評論檢測的研究與設計[D]. 張勝男.重慶大學 2018
[5]網(wǎng)購評論信息細粒度情感分析方法研究[D]. 張煥成.大連海事大學 2018
[6]基于主題模型的虛假評論人群組檢測方法[D]. 顧松敏.沈陽理工大學 2018
[7]LBSN中虛假評論群體檢測[D]. 郭一方.東南大學 2017
[8]基于用戶行為的水軍團體陣營發(fā)現(xiàn)技術研究[D]. 曹文盼.浙江工商大學 2017
[9]基于圖模型的虛假評論識別方法研究[D]. 黃婷.華中科技大學 2017
[10]基于卷積神經(jīng)網(wǎng)絡的虛假評論識別技術的研究[D]. 李靜.北京郵電大學 2017



本文編號：3181803