电子商务中的评论挖掘及应用研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 课题背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-17页 |
| 1.2.1 虚假评论用户分类 | 第12-13页 |
| 1.2.2 评论行为统计 | 第13-14页 |
| 1.2.3 虚假评论用户检测算法 | 第14-17页 |
| 1.3 主要研究内容 | 第17-18页 |
| 1.4 本文结构安排 | 第18-19页 |
| 第二章 电子商务中人类行为标度律研究 | 第19-29页 |
| 2.1 问题提出及相关研究 | 第19-20页 |
| 2.2 研究方法 | 第20-22页 |
| 2.2.1 去周期趋势分析 | 第20-21页 |
| 2.2.2 去趋势波动分析 | 第21-22页 |
| 2.3 实验设计 | 第22-23页 |
| 2.3.1 实验数据集说明 | 第22页 |
| 2.3.2 实验方法和过程 | 第22-23页 |
| 2.4 实验结果分析 | 第23-27页 |
| 2.4.1 用户行为时间序列演化 | 第23-24页 |
| 2.4.2 用户行为时间序列概率分布 | 第24-25页 |
| 2.4.3 用户行为时间序列傅立叶频谱分析 | 第25-26页 |
| 2.4.4 用户行为时间序列去趋势波动分析 | 第26-27页 |
| 2.5 本章小结 | 第27-29页 |
| 第三章 基于评分行为聚类的虚假评论用户检测 | 第29-42页 |
| 3.1 问题提出及相关研究 | 第29-30页 |
| 3.2 基于评分行为聚类的检测算法 | 第30-32页 |
| 3.2.1 用户行为“群集智慧”效应 | 第30-31页 |
| 3.2.2 评分行为聚类 | 第31-32页 |
| 3.3 实验设计 | 第32-35页 |
| 3.3.1 实验数据集说明 | 第32-33页 |
| 3.3.2 评价指标 | 第33-34页 |
| 3.3.3 实验方法和过程 | 第34-35页 |
| 3.4 实验结果分析 | 第35-41页 |
| 3.4.1 检测结果 | 第35-36页 |
| 3.4.2 与RRS算法对比 | 第36-41页 |
| 3.5 本章小结 | 第41-42页 |
| 第四章 基于评论经验演化的虚假评论用户检测 | 第42-55页 |
| 4.1 问题提出及相关研究 | 第42-43页 |
| 4.2 基于评论经验演化的检测算法 | 第43-45页 |
| 4.2.1 评分行为的稳定性 | 第43-44页 |
| 4.2.2 评分行为的无序性 | 第44-45页 |
| 4.3 实验设计 | 第45-46页 |
| 4.3.1 实验数据集说明 | 第45页 |
| 4.3.2 评价指标 | 第45-46页 |
| 4.3.3 实验方法和过程 | 第46页 |
| 4.4 实验结果分析 | 第46-54页 |
| 4.4.1 检测结果 | 第46-50页 |
| 4.4.2 与基准检测算法对比 | 第50-54页 |
| 4.5 本章小结 | 第54-55页 |
| 第五章 虚假评论群组检测 | 第55-62页 |
| 5.1 问题提出和相关研究 | 第55-56页 |
| 5.2 虚假评论群组检测算法 | 第56-58页 |
| 5.2.1 关联规则 | 第56-57页 |
| 5.2.2 Apriori算法 | 第57-58页 |
| 5.3 实验设计 | 第58-59页 |
| 5.3.1 实验数据集说明 | 第58-59页 |
| 5.3.2 实验方法和过程 | 第59页 |
| 5.4 实验结果分析 | 第59-61页 |
| 5.5 本章小结 | 第61-62页 |
| 第六章 虚假评论用户检测软件设计与开发 | 第62-74页 |
| 6.1 系统需求分析 | 第62-63页 |
| 6.2 系统设计与实现 | 第63-73页 |
| 6.2.1 系统概要设计 | 第63-64页 |
| 6.2.2 系统详细设计 | 第64-68页 |
| 6.2.3 系统实现 | 第68-73页 |
| 6.3 本章小结 | 第73-74页 |
| 第七章 总结与展望 | 第74-76页 |
| 7.1 本文的主要贡献 | 第74-75页 |
| 7.2 下一步工作的展望 | 第75-76页 |
| 致谢 | 第76-77页 |
| 参考文献 | 第77-82页 |
| 攻硕期间取得的研究成果 | 第82-83页 |
