面向电子商务的虚假评论检测的关键技术研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 研究背景和意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.3 问题的提出与分析 | 第14-15页 |
| 1.4 本文主要内容和章节安排 | 第15-19页 |
| 1.4.1 主要内容 | 第15-17页 |
| 1.4.2 章节安排 | 第17-19页 |
| 第二章 基于评分分布异常的目标商品识别方法 | 第19-31页 |
| 2.1 引言 | 第19-20页 |
| 2.2 Amazon评论数据分布分析 | 第20-23页 |
| 2.2.1 Amazon商品评分分布 | 第20-21页 |
| 2.2.2 Amazon商品评分分布的分布 | 第21-23页 |
| 2.3 基于评论评分分布异常的目标商品识别方法 | 第23-24页 |
| 2.3.1 可信用户筛选 | 第23页 |
| 2.3.2 商品列表排序方法 | 第23-24页 |
| 2.4 实验分析 | 第24-29页 |
| 2.4.1 评估方法 | 第25页 |
| 2.4.2 实验设置 | 第25-26页 |
| 2.4.3 参照数据设置 | 第26页 |
| 2.4.4 实验结果及分析 | 第26-29页 |
| 2.5 本章小结 | 第29-31页 |
| 第三章 基于树形结构的评论文本相似性度量方法 | 第31-39页 |
| 3.1 引言 | 第31页 |
| 3.2 文本相似度计算相关方法 | 第31-32页 |
| 3.3 基于树形结构的评论文本相似度度量算法 | 第32-35页 |
| 3.3.1 评论树结构定义 | 第32-33页 |
| 3.3.2 评论的树形结构生成 | 第33页 |
| 3.3.3 树形结构的层次相似度度量 | 第33-35页 |
| 3.3.4 树形结构的相似度合成 | 第35页 |
| 3.4 实验分析 | 第35-37页 |
| 3.4.1 实验数据集 | 第35-36页 |
| 3.4.2 实验结果及分析 | 第36-37页 |
| 3.5 本章小结 | 第37-39页 |
| 第四章 基于融合特征的虚假评论检测方法 | 第39-49页 |
| 4.1 引言 | 第39页 |
| 4.2 动态特征提取 | 第39-42页 |
| 4.2.1 动态信息 | 第40页 |
| 4.2.2 时序分析模型 | 第40-42页 |
| 4.3 融合动态特征与静态特征的虚假评论检测方法 | 第42-45页 |
| 4.3.1 评论可疑概率的获取 | 第42页 |
| 4.3.2 PU-Learning分类策略 | 第42-45页 |
| 4.4 实验分析 | 第45-47页 |
| 4.4.1 实验数据 | 第45-46页 |
| 4.4.2 评价指标 | 第46页 |
| 4.4.3 实验结果与分析 | 第46-47页 |
| 4.5 本章小结 | 第47-49页 |
| 第五章 总结与展望 | 第49-51页 |
| 5.1 主要研究内容总结 | 第49页 |
| 5.2 论文主要创新点 | 第49-50页 |
| 5.3 下一步研究工作展望 | 第50-51页 |
| 致谢 | 第51-53页 |
| 参考文献 | 第53-57页 |
| 作者简历 | 第57页 |
