基于主题模型的虚假评论人群组检测方法
| 摘要 | 第6-7页 |
| abstract | 第7页 |
| 第1章 绪论 | 第11-18页 |
| 1.1 概述 | 第11-12页 |
| 1.2 现阶段主要研究方法 | 第12-16页 |
| 1.3 论文的研究内容与创新 | 第16-17页 |
| 1.3.1 研究内容 | 第16页 |
| 1.3.2 主要创新 | 第16-17页 |
| 1.4 论文的结构 | 第17-18页 |
| 第2章 数据集的获取及预处理 | 第18-22页 |
| 2.1 数据集的获取 | 第18-19页 |
| 2.2 数据集预处理 | 第19-21页 |
| 2.3 数据集的统计与分析 | 第21页 |
| 2.4 本章小结 | 第21-22页 |
| 第3章 相关理论介绍 | 第22-33页 |
| 3.1 LDA的基本概念 | 第22-29页 |
| 3.1.1 有关的分布 | 第22-25页 |
| 3.1.2 模型的产生过程 | 第25-26页 |
| 3.1.3 物理过程分解 | 第26-27页 |
| 3.1.4 吉布斯抽样 | 第27-29页 |
| 3.2 SCAN的基本概念 | 第29-32页 |
| 3.2.1 主要概念介绍 | 第29-31页 |
| 3.2.2 具体算法 | 第31-32页 |
| 3.3 本章小结 | 第32-33页 |
| 第4章 GSLDA虚假评论人群组检测模型 | 第33-44页 |
| 4.1 群组作弊及其特征 | 第33页 |
| 4.2 利用LDA进行评论人聚类 | 第33-37页 |
| 4.2.1 评论时间放大 | 第35-36页 |
| 4.2.2 评论打分放大 | 第36-37页 |
| 4.3 生成候选作弊群组 | 第37-40页 |
| 4.3.1 挑选聚簇中异常评论人 | 第38页 |
| 4.3.2 构建评论人图 | 第38-40页 |
| 4.3.3 利用SCAN生成候选作弊群组 | 第40页 |
| 4.4 对候选作弊群组进行排序 | 第40-43页 |
| 4.5 本章小结 | 第43-44页 |
| 第5章 GSLDA算法描述 | 第44-48页 |
| 5.1 GSLDA计算框架 | 第44-46页 |
| 5.2 算法的性能 | 第46-47页 |
| 5.2.1 GSLDA算法时间复杂度 | 第46-47页 |
| 5.2.2 GSLDA算法空间复杂度 | 第47页 |
| 5.3 本章小结 | 第47-48页 |
| 第6章 实验及结果 | 第48-59页 |
| 6.1 实验数据集 | 第48页 |
| 6.2 比较对象介绍 | 第48页 |
| 6.3 在Yelp数据集上性能的比较 | 第48-53页 |
| 6.3.1 YelpNYC数据上的比较 | 第51-52页 |
| 6.3.2 YelpZip数据上的比较 | 第52-53页 |
| 6.4 在Amazon数据集上性能的比较 | 第53-57页 |
| 6.4.1 CDF曲线 | 第53-54页 |
| 6.4.2 人工评估 | 第54-57页 |
| 6.5 参数影响 | 第57-58页 |
| 6.6 本章小结 | 第58-59页 |
| 结论 | 第59-60页 |
| 参考文献 | 第60-63页 |
| 攻读硕士学位期间发表的论文和获得的科研成果 | 第63-64页 |
| 致谢 | 第64-65页 |
