面向舆情监控的虚假网络信息过滤平台的研究与设计
| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第8-15页 |
| 1.1 研究背景及意义 | 第8-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 论文研究内容 | 第12-13页 |
| 1.4 论文的结构安排 | 第13-15页 |
| 第二章 相关理论与技术 | 第15-22页 |
| 2.1 虚假评论识别的一般步骤 | 第15页 |
| 2.2 虚假评论识别的方法 | 第15-21页 |
| 2.2.1 深度学习 | 第16-21页 |
| 2.3 本章小结 | 第21-22页 |
| 第三章 虚假数据抽取与分析 | 第22-30页 |
| 3.1 数据获取 | 第22-25页 |
| 3.2 数据集构建 | 第25-26页 |
| 3.3 数据预处理 | 第26-29页 |
| 3.3.1 中文分词处理 | 第26-28页 |
| 3.3.2 去停用词处理 | 第28-29页 |
| 3.4 本章小结 | 第29-30页 |
| 第四章 基于混合特征的虚假评论识别算法 | 第30-43页 |
| 4.1 评论特征分析 | 第30-40页 |
| 4.1.1 文本内容分析 | 第31页 |
| 4.1.2 保留文本语序算法 | 第31-35页 |
| 4.1.3 词向量的预学习 | 第35页 |
| 4.1.4 输入层 | 第35-36页 |
| 4.1.5 卷积层 | 第36-37页 |
| 4.1.6 池化层 | 第37-40页 |
| 4.1.7 输出层 | 第40页 |
| 4.2 行为特征分析 | 第40-41页 |
| 4.3 特征模型的构建 | 第41页 |
| 4.4 本章小结 | 第41-43页 |
| 第五章 虚假评论识别研究方案的设计与实现 | 第43-55页 |
| 5.1 TensorFlow框架介绍 | 第43-44页 |
| 5.2 识别机制实现 | 第44-46页 |
| 5.3 识别准确性评估方法 | 第46-47页 |
| 5.4 识别效率评估 | 第47页 |
| 5.5 识别准确性评估与分析 | 第47-53页 |
| 5.5.1 词向量维度 | 第48-49页 |
| 5.5.2 k值选择 | 第49-50页 |
| 5.5.3 准确性分析 | 第50-51页 |
| 5.5.4 泛化能力分析 | 第51-52页 |
| 5.5.5 样本规模的影响 | 第52-53页 |
| 5.6 本章小结 | 第53-55页 |
| 结论 | 第55-57页 |
| 参考文献 | 第57-61页 |
| 致谢 | 第61-62页 |
| 攻读硕士学位期间的研究成果及参加的科研项目 | 第62页 |
