评论类网站的用户欺诈行为检测
| 摘要 | 第8-10页 |
| ABSTRACT | 第10-11页 |
| 第1章 绪论 | 第12-17页 |
| 1.1 研究背景 | 第12页 |
| 1.2 问题描述 | 第12-14页 |
| 1.3 本文工作 | 第14-16页 |
| 1.4 论文结构 | 第16-17页 |
| 第2章 相关工作 | 第17-24页 |
| 2.1 基本概念 | 第17-19页 |
| 2.2 基于信任机制的欺诈评论检测 | 第19-20页 |
| 2.3 基于时间序列的欺诈评论检测 | 第20页 |
| 2.4 基于图论的欺诈评论检测 | 第20-21页 |
| 2.5 基于统计分析的欺诈评论检测 | 第21-24页 |
| 2.5.1 基于用户能力评估的欺诈评论检测 | 第21-22页 |
| 2.5.2 基于特征分析的欺诈评论检测 | 第22页 |
| 2.5.3 基于重复信息的欺诈评论检测 | 第22-24页 |
| 第3章 基于评分的欺诈用户检测 | 第24-41页 |
| 3.1 数据分析 | 第24-25页 |
| 3.2 异常行为欺诈检测 | 第25-30页 |
| 3.2.1 群体行为分析 | 第25-27页 |
| 3.2.2 个体用户历史行为分析 | 第27-28页 |
| 3.2.3 个体用户行为影响力分析 | 第28-30页 |
| 3.3 共谋行为检测 | 第30-34页 |
| 3.3.1 基于评论行为的共谋用户组发现 | 第31页 |
| 3.3.2 用户组影响力和一致性评估 | 第31-32页 |
| 3.3.3 共谋欺诈行为检测算法 | 第32-34页 |
| 3.4 实验分析 | 第34-40页 |
| 3.4.1 数据集和评价指标 | 第34-35页 |
| 3.4.2 欺诈类型识别 | 第35-38页 |
| 3.4.3 共谋检测 | 第38-39页 |
| 3.4.4 用户组行为预测 | 第39-40页 |
| 3.5 小结 | 第40-41页 |
| 第4章 基于表示学习的欺诈评论检测 | 第41-55页 |
| 4.1 分析框架 | 第41-42页 |
| 4.2 基于商品评分的用户商品表示学习 | 第42-44页 |
| 4.2.1 模型推导 | 第42-43页 |
| 4.2.2 优化求解过程 | 第43-44页 |
| 4.3 数据驱动的单次评论特征建模 | 第44-47页 |
| 4.3.1 数据集 | 第44-45页 |
| 4.3.2 用户评论行为特征选择 | 第45-47页 |
| 4.4 欺诈评论检测方案 | 第47-49页 |
| 4.4.1 类型不均衡问题解决策略 | 第47页 |
| 4.4.2 基于神经网络的检测算法 | 第47-48页 |
| 4.4.3 对比算法 | 第48-49页 |
| 4.5 实验 | 第49-54页 |
| 4.5.1 数据预处理 | 第49页 |
| 4.5.2 表示学习效果分析 | 第49-50页 |
| 4.5.3 参数影响分析 | 第50-53页 |
| 4.5.4 实验结果分析 | 第53-54页 |
| 4.6 小结 | 第54-55页 |
| 第5章 总结与展望 | 第55-56页 |
| 5.1 结论 | 第55页 |
| 5.2 展望 | 第55-56页 |
| 参考文献 | 第56-61页 |
| 致谢 | 第61-62页 |
| 攻读硕士学位期间发表的论文 | 第62-63页 |
| 攻读硕士学位期间参与的科研项目 | 第63-64页 |
| 学位论文评阅及答辩情况表 | 第64页 |
