| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第1章 绪论 | 第8-15页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-12页 |
| 1.2.1 虚假评论文本检测研究现状 | 第10-11页 |
| 1.2.2 虚假评论者检测研究现状 | 第11-12页 |
| 1.3 本文的研究工作及文章结构安排 | 第12-14页 |
| 1.3.1 主要研究工作 | 第12-13页 |
| 1.3.2 结构安排 | 第13-14页 |
| 1.4 本文的创新点 | 第14页 |
| 1.5 本章小结 | 第14-15页 |
| 第2章 相关理论与技术 | 第15-24页 |
| 2.1 网络爬虫相关技术 | 第15-17页 |
| 2.1.1 网页分析 | 第16页 |
| 2.1.2 网页内容提取 | 第16-17页 |
| 2.2 特征提取和选择 | 第17-20页 |
| 2.2.1 概述 | 第17-18页 |
| 2.2.2 词频-逆文档频率 | 第18-19页 |
| 2.2.3 Word2vec算法 | 第19-20页 |
| 2.3 分类算法简介 | 第20-23页 |
| 2.3.1 支持向量机 | 第20-22页 |
| 2.3.2 随机森林 | 第22-23页 |
| 2.4 本章小结 | 第23-24页 |
| 第3章 基于多维特征权重的虚假评论识别 | 第24-35页 |
| 3.1 构建数据集 | 第24-26页 |
| 3.1.1 数据爬取 | 第24-25页 |
| 3.1.2 数据集介绍和处理 | 第25-26页 |
| 3.2 特征提取 | 第26-29页 |
| 3.2.1 评论文本特征提取 | 第27-28页 |
| 3.2.2 评论者行为特征提取 | 第28-29页 |
| 3.3 多维特征权重的虚假评论识别 | 第29-30页 |
| 3.3.1 基于随机森林的权重确定 | 第29-30页 |
| 3.3.2 多维权重虚假评论识别 | 第30页 |
| 3.4 实验 | 第30-34页 |
| 3.4.1 实验环境 | 第30-32页 |
| 3.4.2 实验数据 | 第32页 |
| 3.4.3 模型评估 | 第32-33页 |
| 3.4.4 实验结果及分析 | 第33-34页 |
| 3.5 本章小结 | 第34-35页 |
| 第4章 基于双卷积神经网络的虚假评论识别 | 第35-46页 |
| 4.1 卷积神经网络 | 第35-36页 |
| 4.2 双卷积神经网络的虚假评论识别 | 第36-41页 |
| 4.2.1 算法框架预览 | 第37-38页 |
| 4.2.2 评论文本内容特征提取 | 第38-40页 |
| 4.2.3 评论者行为特征提取 | 第40-41页 |
| 4.2.4 虚假评论分类 | 第41页 |
| 4.3 实验 | 第41-44页 |
| 4.3.1 实验数据集 | 第41-42页 |
| 4.3.2 实验设计 | 第42-43页 |
| 4.3.3 实验结果及分析 | 第43-44页 |
| 4.4 本章小结 | 第44-46页 |
| 第5章 基于多维权重的双卷积神经网络的虚假评论识别 | 第46-53页 |
| 5.1 多维权重的双卷积神经网络 | 第46-50页 |
| 5.1.1 算法框架预览 | 第46-47页 |
| 5.1.2 融合词性的词向量表示 | 第47-49页 |
| 5.1.3 融合TF-IDF的词向量表示 | 第49-50页 |
| 5.2 实验 | 第50-52页 |
| 5.2.1 实验数据集 | 第50页 |
| 5.2.2 实验设计 | 第50-51页 |
| 5.2.3 实验结果及分析 | 第51-52页 |
| 5.3 本章小结 | 第52-53页 |
| 第6章 总结与展望 | 第53-55页 |
| 6.1 总结 | 第53-54页 |
| 6.2 展望 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 附录 | 第59-60页 |
| 攻读硕士学位期间发表的学术论文 | 第60-61页 |
| 致谢 | 第61页 |