發(fā)布時(shí)間：2022-09-17 22:29

　　隨著電子商務(wù)產(chǎn)業(yè)的迅猛發(fā)展,網(wǎng)絡(luò)購(gòu)物模式日趨成熟,商品在線評(píng)論系統(tǒng)應(yīng)運(yùn)而生,顧客可以根據(jù)商品評(píng)價(jià)選擇產(chǎn)品,商家也可以根據(jù)評(píng)論及時(shí)獲得消費(fèi)者的反饋。在大數(shù)據(jù)的時(shí)代背景下,商品評(píng)論數(shù)量爆炸一般呈指數(shù)增長(zhǎng),由于顧客對(duì)于評(píng)價(jià)的重視程度越來(lái)越高,一些商家開(kāi)始投機(jī)取巧,雇傭刷客對(duì)自己的商品進(jìn)行批量好評(píng),這往往會(huì)誤導(dǎo)消費(fèi)者去挑選真正適合自己的商品。在商品質(zhì)量參差不齊的今天,怎么樣從海量的商品評(píng)論數(shù)據(jù)中過(guò)濾出真實(shí)有效的評(píng)論成為了一個(gè)急需解決的問(wèn)題。然而由于虛假評(píng)論數(shù)據(jù)量大,隱藏性較高,識(shí)別它們成了一個(gè)棘手的難題。得益于機(jī)器學(xué)習(xí)的廣泛推廣,我們可以利用模型對(duì)評(píng)論進(jìn)行分析擬合,然而得到的模型仍然具有識(shí)別效率低,識(shí)別準(zhǔn)確率低的問(wèn)題,受神經(jīng)網(wǎng)絡(luò)的啟發(fā),我們可以利用深度學(xué)習(xí)網(wǎng)絡(luò)模型來(lái)解決這些問(wèn)題,本文主要從以下三方面進(jìn)行了研究工作:（1）為解決在繁瑣、冗長(zhǎng)的中文文本預(yù)處理過(guò)程中由于流程不明確,導(dǎo)致耗時(shí)長(zhǎng)、得到預(yù)處理數(shù)據(jù)不理想的問(wèn)題,提出了一個(gè)文本數(shù)據(jù)預(yù)處理流程框架,并根據(jù)這個(gè)流程對(duì)本文實(shí)驗(yàn)中的評(píng)論數(shù)據(jù)進(jìn)行預(yù)處理。為了給深度學(xué)習(xí)模型的實(shí)驗(yàn)性能設(shè)置對(duì)照組,對(duì)基于特征工程的各種特征提取方法和分類模型一一組合進(jìn)行試驗(yàn),... 

【文章頁(yè)數(shù)】：71 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 選題背景和意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 基于識(shí)別虛假文本的研究現(xiàn)狀
        1.2.2 基于識(shí)別虛假評(píng)論者的研究現(xiàn)狀
        1.2.3 存在的問(wèn)題
    1.3 本文的主要研究?jī)?nèi)容
        1.3.1 研究目標(biāo)
        1.3.2 研究?jī)?nèi)容
    1.4 關(guān)鍵問(wèn)題和研究方案
        1.4.1 關(guān)鍵問(wèn)題分析
        1.4.2 研究方案
    1.5 本文的結(jié)構(gòu)安排
第二章 數(shù)據(jù)處理與特征工程識(shí)別模型
    2.1 數(shù)據(jù)集
    2.2 數(shù)據(jù)預(yù)處理
    2.3 基于特征工程的識(shí)別模型
        2.3.1 文本特征提取
        2.3.2 文本分類算法
        2.3.3 評(píng)估指標(biāo)
        2.3.4 結(jié)果分析
    2.4 本章小結(jié)
第三章 基于深度學(xué)習(xí)的虛假評(píng)論識(shí)別模型
    3.1 模型設(shè)計(jì)基礎(chǔ)
        3.1.1 卷積神經(jīng)網(wǎng)絡(luò)
        3.1.2 循環(huán)神經(jīng)網(wǎng)絡(luò)
        3.1.3 混合模型思想
    3.2 混合神經(jīng)網(wǎng)絡(luò)模型
        3.2.1 文本表示
        3.2.2 局部特征
        3.2.3 全局特征
        3.2.4 文本分類
    3.3 模型優(yōu)化策略
        3.3.1 Relu激活函數(shù)
        3.3.2 Dropout層
        3.3.3 Mini-batch梯度下降
    3.4 實(shí)驗(yàn)與分析
        3.4.1 對(duì)比模型
        3.4.2 模型訓(xùn)練
        3.4.3 結(jié)果和分析
        3.4.4 深度學(xué)習(xí)模型優(yōu)勢(shì)分析
    3.5 本章小結(jié)
第四章 使用預(yù)訓(xùn)練詞向量?jī)?yōu)化模型
    4.1 數(shù)據(jù)獲取
    4.2 Word2Vec
        4.2.1 CBOW模型和Skip-gram模型
        4.2.2 優(yōu)化算法
    4.3 實(shí)驗(yàn)結(jié)果及分析
    4.4 本章小結(jié)
第五章 總結(jié)和展望
    5.1 研究結(jié)論
    5.2 研究展望
致謝
參考文獻(xiàn)


【參考文獻(xiàn)】：
期刊論文
[1]基于主題模型和情感分析的垃圾評(píng)論識(shí)別方法研究[J]. 金相宏,李琳,鐘珞.  計(jì)算機(jī)科學(xué). 2017(10)
[2]基于情感極性與SMOTE過(guò)采樣的虛假評(píng)論識(shí)別方法[J]. 繆裕青,歐威健,劉同來(lái),劉水清,文益民.  計(jì)算機(jī)應(yīng)用研究. 2018(07)
[3]基于個(gè)人–群體–商戶關(guān)系模型的虛假評(píng)論識(shí)別研究[J]. 余傳明,馮博琳,左宇恒,陳百云,安璐.  北京大學(xué)學(xué)報(bào)(自然科學(xué)版). 2017(02)
[4]基于情感特征和用戶關(guān)系的虛假評(píng)論者的識(shí)別[J]. 邵珠峰,姬東鴻.  計(jì)算機(jī)應(yīng)用與軟件. 2016(05)
[5]融合情感極性和邏輯回歸的虛假評(píng)論檢測(cè)方法[J]. 趙軍,王紅.  智能系統(tǒng)學(xué)報(bào). 2016(03)
[6]在線商品虛假評(píng)論形成路徑研究[J]. 陳燕方,婁策群.  現(xiàn)代情報(bào). 2015(01)
[7]基于評(píng)論圖的虛假產(chǎn)品評(píng)論人的檢測(cè)[J]. 王琢,李準(zhǔn),徐野,宋凱.  計(jì)算機(jī)科學(xué). 2014(10)
[8]網(wǎng)絡(luò)水軍識(shí)別研究[J]. 莫倩,楊珂.  軟件學(xué)報(bào). 2014(07)
[9]基于語(yǔ)言結(jié)構(gòu)和情感極性的虛假評(píng)論識(shí)別[J]. 任亞峰,尹蘭,姬東鴻.  計(jì)算機(jī)科學(xué)與探索. 2014(03)
[10]基于自適應(yīng)聚類的虛假評(píng)論檢測(cè)[J]. 宋海霞,嚴(yán)馨,余正濤,石林賓,蘇斐.  南京大學(xué)學(xué)報(bào)(自然科學(xué)版). 2013(04)

博士論文
[1]基于深度學(xué)習(xí)的短文本分析與計(jì)算方法研究[D]. 李巖.北京科技大學(xué) 2016

碩士論文
[1]基于深度學(xué)習(xí)的短信分類技術(shù)研究[D]. 王婷.長(zhǎng)安大學(xué) 2016
[2]基于深度學(xué)習(xí)的短文本語(yǔ)義相似度計(jì)算[D]. 陳曉陽(yáng).北京理工大學(xué) 2015
[3]基于深度學(xué)習(xí)的短文本情感傾向性研究[D]. 李然.北京理工大學(xué) 2015



本文編號(hào)：3680056