首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--文字信息处理论文

基于PageRank的垃圾评论用户群组检测

摘要第4-6页
Abstract第6-7页
第1章 绪论第12-18页
    1.1 课题背景第12页
    1.2 国内外研究现状第12-13页
    1.3 课题研究的主要内容第13-16页
        1.3.1 垃圾评论识别难点第13-14页
        1.3.2 本文解决方案第14-16页
    1.4 本文组织结构第16-17页
    1.5 本章小结第17-18页
第2章 垃圾评论识别相关研究技术概述第18-33页
    2.1 垃圾评论检测的特征工程第18-23页
        2.1.1 以评论为中心的特征第19-22页
        2.1.2 以评论用户为中心的特征第22-23页
    2.2 垃圾评论检测第23-32页
        2.2.1 以评论为中心的垃圾评论检测第23-30页
        2.2.2 以评论用户为中心的垃圾评论检测第30-32页
    2.3 本章小结第32-33页
第3章 基于PageRank的垃圾评论用户群组识别第33-53页
    3.1 PageRank算法第33-36页
        3.1.1 算法的核心思想第33-34页
        3.1.2 PageRank模型第34-36页
    3.2 垃圾特征提取第36-44页
        3.2.1 基础垃圾特征第36-39页
        3.2.2 基于关系的垃圾影响力特征第39-44页
    3.3 基于PageRank的GroupRank算法的原理第44-48页
        3.3.1 基础垃圾信息第44-46页
        3.3.2 垃圾信息影响力第46-48页
    3.4 GroupRank的计算方法第48-51页
    3.5 本章小结第51-53页
第4章 实验与分析第53-68页
    4.1 实验数据集与环境第53-54页
        4.1.1 实验数据集第53页
        4.1.2 实验环境第53-54页
    4.2 特征有效性验证第54-57页
        4.2.1 群组基础垃圾特征验证第54-56页
        4.2.2 用户基础垃圾特征验证第56-57页
    4.3 实验设计第57-62页
        4.3.1 排序实验第57-59页
        4.3.2 分类实验第59-62页
    4.4 实验结果与分析第62-67页
        4.4.1 模型参数α对GroupRank的影响第62-63页
        4.4.2 排序实验模型对比第63-65页
        4.4.3 垃圾信息阈值γ对GroupRank分类模型的影响第65-66页
        4.4.4 分类实验模型对比第66-67页
    4.5 本章小结第67-68页
第5章 总结和展望第68-70页
    5.1 主要工作总结第68-69页
    5.2 未来工作展望第69-70页
参考文献第70-75页
攻读硕士学位期间主要的研究成果第75-76页
致谢第76页

论文共76页,点击 下载论文
上一篇:基于APP评论的观点挖掘和排序
下一篇:基于微信公众号的摄影知识学习资源设计与应用研究--以《创意自拍人像》为例