基于可信度传递的商品垃圾评论检测研究
| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4-5页 |
| 1 绪论 | 第8-16页 |
| 1.1 研究背景与意义 | 第8-11页 |
| 1.1.1 研究背景 | 第8-11页 |
| 1.1.2 研究意义 | 第11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 研究难点 | 第13-14页 |
| 1.4 主要研究内容 | 第14页 |
| 1.5 论文组织结构 | 第14-16页 |
| 2 垃圾评论检测器性能评价体系 | 第16-22页 |
| 2.1 传统评价体系 | 第16-18页 |
| 2.1.1 基于人工标注的评价体系 | 第16-17页 |
| 2.1.2 AUC评价体系 | 第17-18页 |
| 2.2 识伪度评价体系 | 第18-21页 |
| 2.2.1 正反馈率识伪度 | 第19-21页 |
| 2.2.2 MAE识伪度 | 第21页 |
| 2.3 本章小结 | 第21-22页 |
| 3 评论可信度分析及特征提取 | 第22-29页 |
| 3.1 评论文本长度对可信度的影响 | 第22页 |
| 3.2 评论属性覆盖率对可信度的影响 | 第22-23页 |
| 3.2.1 商品属性对可信度的影响 | 第23页 |
| 3.2.2 属性覆盖率 | 第23页 |
| 3.3 商品属性词典的提取 | 第23-27页 |
| 3.3.1 属性词典 | 第24-26页 |
| 3.3.2 属性词典提取流程 | 第26-27页 |
| 3.4 评论在时间维度上的特征 | 第27-28页 |
| 3.5 本章小结 | 第28-29页 |
| 4 基于可信度传递的商品垃圾评论检测算法 | 第29-38页 |
| 4.1 概述 | 第29-31页 |
| 4.1.1 事实发现 | 第29-30页 |
| 4.1.2 评论关系图 | 第30-31页 |
| 4.2 定义与假设 | 第31-32页 |
| 4.2.1 基本定义 | 第31-32页 |
| 4.2.2 假设 | 第32页 |
| 4.3 评论的可信度 | 第32-33页 |
| 4.4 评论者的可信度 | 第33-36页 |
| 4.4.1 评论者之间的相互影响 | 第33-35页 |
| 4.4.2 评论者的可信度计算 | 第35页 |
| 4.4.3 迭代计算模型 | 第35-36页 |
| 4.5 商品的可信度 | 第36-37页 |
| 4.6 可信度传递模型 | 第37页 |
| 4.7 本章小结 | 第37-38页 |
| 5 实验 | 第38-50页 |
| 5.1 引言 | 第38页 |
| 5.2 实验数据介绍 | 第38页 |
| 5.3 Hadoop计算框架与Pig工具 | 第38-41页 |
| 5.3.1 Hadoop集群架构 | 第38-40页 |
| 5.3.2 Pig脚本工具 | 第40页 |
| 5.3.3 集群部署 | 第40-41页 |
| 5.4 系统设计与实现 | 第41-43页 |
| 5.4.1 总体设计 | 第41-42页 |
| 5.4.2 系统实现 | 第42-43页 |
| 5.5 实验结果分析对比 | 第43-49页 |
| 5.5.1 α 参数对检测效果的影响 | 第44-45页 |
| 5.5.2 β 参数对检测效果的影响 | 第45-46页 |
| 5.5.3 θ 参数对检测效果的影响 | 第46-48页 |
| 5.5.4 实验结果 | 第48-49页 |
| 5.5.5 实验对比 | 第49页 |
| 5.6 本章小结 | 第49-50页 |
| 6 总结与展望 | 第50-52页 |
| 6.1 本文总结 | 第50页 |
| 6.2 下一步工作 | 第50-52页 |
| 致谢 | 第52-53页 |
| 参考文献 | 第53-57页 |
| 附录 | 第57页 |
| A. 作者在攻读学位期间发表的论文目录 | 第57页 |
| B. 作者在攻读学位期间参与的研究课题目录 | 第57页 |
