隨著互聯(lián)網(wǎng)科技的普及和迅速發(fā)展,電子商務(wù)平臺(tái)在現(xiàn)實(shí)生活中的應(yīng)用更加廣泛,比如淘寶,京東,小紅書等。隨之,在線評論也成為越來越受人們歡迎的一種社交媒體,主要表現(xiàn)為消費(fèi)者在購買商品時(shí),會(huì)把該商品的歷史評論記錄當(dāng)作一個(gè)重要的參考指標(biāo)。每個(gè)賣家都努力提高他們產(chǎn)品的好評度來吸引更多的消費(fèi)者。由于利益的驅(qū)使,一些商家可能會(huì)雇用一些人對其產(chǎn)品進(jìn)行虛假評論,用來提高店鋪的知名度和產(chǎn)品的好評度;一些商家可能會(huì)雇用一些人對同行的產(chǎn)品進(jìn)行惡意打壓,用來提高自己的競爭力。為了給每個(gè)消費(fèi)者提供良好的購物環(huán)境,虛假評論檢測工作逐漸成為維護(hù)電子商務(wù)平臺(tái)以及在線購物網(wǎng)站正常運(yùn)營的重要環(huán)節(jié)。本文提出了一種基于馬爾科夫隨機(jī)場的虛假評論在線檢測方法。相對于以往的離線檢測方法,在線檢測的實(shí)時(shí)性更高,能夠更加及時(shí)地捕捉到虛假評論,從而更加高效地應(yīng)用在實(shí)際場景中。本實(shí)驗(yàn)內(nèi)容主要包括:對獲取到的數(shù)據(jù)集進(jìn)行預(yù)處理,主要目的是方便實(shí)驗(yàn)過程中對數(shù)據(jù)的查找和編碼過程中對數(shù)據(jù)的處理;利用評論之間的關(guān)系生成動(dòng)態(tài)評論圖,然后建模為馬爾科夫隨機(jī)場;利用LBP算法來求解該馬爾科夫隨機(jī)場。實(shí)驗(yàn)結(jié)果表明,本文提出的基于馬爾科夫隨機(jī)場的虛假評論在線檢測方... 

【文章來源】：沈陽理工大學(xué)遼寧省

【文章頁數(shù)】：58 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
abstract
第1章 緒論
    1.1 概述
    1.2 現(xiàn)階段主要研究方法
        1.2.1 虛假評論檢測技術(shù)分類介紹
        1.2.2 國內(nèi)外研究現(xiàn)狀及存在問題
    1.3 論文的研究內(nèi)容和創(chuàng)新
        1.3.1 研究內(nèi)容
        1.3.2 主要?jiǎng)?chuàng)新
    1.4 論文的結(jié)構(gòu)
第2章 相關(guān)理論模型
    2.1 馬爾科夫隨機(jī)場的基本概念
        2.1.1 概率圖模型
        2.1.2 馬爾科夫性
        2.1.3 馬爾科夫隨機(jī)場
        2.1.4 馬爾科夫隨機(jī)場的傳統(tǒng)求解方式
    2.2 循環(huán)置信傳播算法的基本概念
        2.2.1 信念傳播和信念更新
        2.2.2 LBP算法的主要思想
        2.2.3 LBP算法的計(jì)算過程
    2.3 本章小結(jié)
第3章 虛假評論在線檢測模型
    3.1 動(dòng)態(tài)評論圖
        3.1.1 滑動(dòng)窗口的原理
        3.1.2 二部圖的概念
        3.1.3 生成動(dòng)態(tài)評論圖
    3.2 建立馬爾科夫隨機(jī)場
    3.3 評論結(jié)點(diǎn)先驗(yàn)
    3.4 本章小節(jié)
第4章 虛假評論在線檢測算法分析
    4.1 算法計(jì)算框架
    4.2 算法性能評價(jià)
        4.2.1 時(shí)間復(fù)雜度
        4.2.2 空間復(fù)雜度
    4.3 本章小節(jié)
第5章 實(shí)驗(yàn)及結(jié)果
    5.1 實(shí)驗(yàn)環(huán)境
    5.2 數(shù)據(jù)集的獲取及預(yù)處理
        5.2.1 數(shù)據(jù)集的獲取
        5.2.2 數(shù)據(jù)集預(yù)處理
        5.2.3 數(shù)據(jù)集的統(tǒng)計(jì)與分析
    5.3 評論數(shù)據(jù)集度量指標(biāo)
    5.4 欺詐特征選擇
    5.5 參數(shù)影響與結(jié)果分析
    5.6 本章小節(jié)
結(jié)論
參考文獻(xiàn)
攻讀碩士學(xué)位期間發(fā)表的論文和獲得的科研成果
致謝



本文編號(hào)：3148699