基于深度学习的虚假评论识别系统的设计与实现
摘要 | 第4-5页 |
ABSTRACT | 第5-6页 |
第一章 绪论 | 第10-15页 |
1.1 研究背景及意义 | 第10-11页 |
1.2 国内外研究现状 | 第11-12页 |
1.3 论文主要工作 | 第12-13页 |
1.4 论文总体结构 | 第13-14页 |
1.5 本章小结 | 第14-15页 |
第二章 相关技术 | 第15-23页 |
2.1 自然语言处理技术 | 第15-19页 |
2.1.1 自动分词技术 | 第15页 |
2.1.2 Word2vec预备知识 | 第15-16页 |
2.1.3 词向量 | 第16页 |
2.1.4 统计语言模型 | 第16-17页 |
2.1.5 神经网络语言模型 | 第17-18页 |
2.1.6 Word2vec模型 | 第18-19页 |
2.2 深度学习 | 第19-22页 |
2.2.1 循环神经网络 | 第19-20页 |
2.2.2 卷积神经网络 | 第20-22页 |
2.3 本章小结 | 第22-23页 |
第三章 需求分析 | 第23-29页 |
3.1 需求来源 | 第23-24页 |
3.2 模型训练需求分析 | 第24-26页 |
3.2.1 数据爬取 | 第25页 |
3.2.2 模型构建 | 第25-26页 |
3.2.3 模型训练 | 第26页 |
3.2.4 模型测试 | 第26页 |
3.2.5 数据处理 | 第26页 |
3.3 虚假评论鉴别需求分析 | 第26-27页 |
3.3.1 评论输入 | 第27页 |
3.3.2 模型计算 | 第27页 |
3.3.3 获取评论结果 | 第27页 |
3.4 本章小结 | 第27-29页 |
第四章 关键问题研究 | 第29-41页 |
4.1 技术背景 | 第29页 |
4.2 现有的技术方案及缺点 | 第29-31页 |
4.2.1 评论的语言信息 | 第30页 |
4.2.2 评论的其他信息 | 第30页 |
4.2.3 评论的语言信息和评论其他信息 | 第30-31页 |
4.3 本文中的关键技术问题与相关设计 | 第31-35页 |
4.3.1 总体算法框架 | 第31-32页 |
4.3.2 评论内容特征抽取 | 第32-33页 |
4.3.3 评论其他信息特征抽取 | 第33-35页 |
4.3.4 虚假评论分类 | 第35页 |
4.4 总体设计方案 | 第35-39页 |
4.4.1 虚假评论识别系统模块关系 | 第35-36页 |
4.4.2 虚假评论识别系统逻辑架构图 | 第36-38页 |
4.4.3 虚假评论识别系统总体流程图 | 第38-39页 |
4.5 本章小结 | 第39-41页 |
第五章 设计与实现 | 第41-67页 |
5.1 虚假评论识别系统总体系统设计 | 第41-42页 |
5.2 模型训练模块设计与实现 | 第42-57页 |
5.2.1 数据爬取子模块 | 第42-45页 |
5.2.2 数据处理子模块 | 第45-48页 |
5.2.3 模型构建子模块 | 第48-51页 |
5.2.4 模型训练子模块 | 第51-55页 |
5.2.5 模型测试子模块 | 第55-57页 |
5.3 虚假评论鉴别模块设计与实现 | 第57-66页 |
5.3.1 评论输入子模块 | 第57-61页 |
5.3.2 模型计算子模块 | 第61-63页 |
5.3.3 获取评论结果子模块 | 第63-66页 |
5.4 本章小结 | 第66-67页 |
第六章 测试 | 第67-76页 |
6.1 测试环境 | 第67页 |
6.1.1 硬件环境 | 第67页 |
6.1.2 软件环境 | 第67页 |
6.2 测试内容 | 第67-68页 |
6.3 模型训练模块 | 第68-71页 |
6.3.1 实验设置 | 第68-69页 |
6.3.2 对比实验 | 第69页 |
6.3.3 实验结果和分析 | 第69-70页 |
6.3.4 实验统计和验证 | 第70-71页 |
6.4 虚假评论鉴别模块 | 第71-75页 |
6.5 本章小结 | 第75-76页 |
第七章 结束语 | 第76-77页 |
参考文献 | 第77-79页 |
附录 | 第79-80页 |
致谢 | 第80-81页 |
攻读硕士学位期间发表的学术论文目录 | 第81页 |
攻读硕士学位期间的主要工作 | 第81页 |