摘要 | 第4-5页 |
ABSTRACT | 第5-6页 |
第一章 绪论 | 第10-18页 |
1.1 研究背景与意义 | 第10-11页 |
1.2 研究现状 | 第11-15页 |
1.2.1 虚假评论识别的研究现状 | 第11-12页 |
1.2.2 分类算法的研究现状 | 第12-13页 |
1.2.3 卷积神经网络的研究现状 | 第13-15页 |
1.3 研究内容 | 第15-16页 |
1.3.1 硕士期间工作 | 第15页 |
1.3.2 论文研究内容 | 第15-16页 |
1.4 论文组织结构 | 第16-18页 |
第二章 相关技术研究 | 第18-30页 |
2.1 网络爬虫关键技术 | 第18-21页 |
2.1.1 网页分析 | 第18-20页 |
2.1.2 正则表达式 | 第20-21页 |
2.2 特征提取方法 | 第21-24页 |
2.2.1 概述 | 第21-22页 |
2.2.2 词频-逆文档频率 | 第22-23页 |
2.2.3 n-gram算法 | 第23-24页 |
2.2.4 Word2Vec | 第24页 |
2.3 分类器算法 | 第24-28页 |
2.3.1 朴素贝叶斯分类器 | 第25-26页 |
2.3.2 逻辑回归模型 | 第26-27页 |
2.3.3 卷积神经网络 | 第27-28页 |
2.4 本章小结 | 第28-30页 |
第三章 基于卷积神经网络的虚假评论识别算法研究 | 第30-48页 |
3.1 算法创新点综述 | 第30页 |
3.2 主题-动态卷积神经网络识别算法(S-DCNN) | 第30-38页 |
3.2.1 Subject2Vec文本表示方法 | 第30-32页 |
3.2.2 动态特征值筛选策略 | 第32-35页 |
3.2.3 中间层优化策略 | 第35-37页 |
3.2.4 主题-动态卷积神经网络识别算法的整体结构 | 第37-38页 |
3.3 评论数据的获取和预处理 | 第38-42页 |
3.3.1 评论系统的选取 | 第39页 |
3.3.2 根据商品URL提取商品id | 第39-40页 |
3.3.3 构造请求评论数据的URL | 第40-41页 |
3.3.4 评论数据的抓取 | 第41页 |
3.3.5 评论数据的标注和预处理 | 第41-42页 |
3.4 主题-动态卷积神经网络识别算法实验与分析 | 第42-45页 |
3.4.1 实验技术与环境 | 第42页 |
3.4.2 实验数据 | 第42页 |
3.4.3 实验设计 | 第42-44页 |
3.4.4 实验结果与分析 | 第44-45页 |
3.5 本章小结 | 第45-48页 |
第四章 在线商品评论真假判别系统设计与实现 | 第48-74页 |
4.1 系统需求分析 | 第48-49页 |
4.2 系统架构 | 第49-50页 |
4.2.1 物理架构 | 第49-50页 |
4.2.2 开发环境 | 第50页 |
4.3 系统概要设计 | 第50-53页 |
4.3.1 系统模块划分 | 第50-52页 |
4.3.2 数据库设计 | 第52-53页 |
4.4 系统详细设计 | 第53-59页 |
4.4.1 商品信息抓取模块详细设计 | 第53-55页 |
4.4.2 虚假评论识别模块详细设计 | 第55-57页 |
4.4.3 数据交互模块详细设计 | 第57-58页 |
4.4.4 页面展示模块详细设计 | 第58-59页 |
4.5 系统实现 | 第59-67页 |
4.5.1 系统代码组织结构 | 第59-60页 |
4.5.2 商品信息抓取模块实现 | 第60-62页 |
4.5.3 虚假评论识别模块实现 | 第62-65页 |
4.5.4 数据交互模块实现 | 第65-66页 |
4.5.5 页面展示模块实现 | 第66-67页 |
4.6 系统测试 | 第67-72页 |
4.6.1 测试环境 | 第67-68页 |
4.6.2 测试目标 | 第68页 |
4.6.3 功能测试 | 第68-71页 |
4.6.4 性能测试 | 第71-72页 |
4.7 本章小结 | 第72-74页 |
第五章 总结与展望 | 第74-76页 |
5.1 工作总结 | 第74-75页 |
5.2 下一步研究工作 | 第75-76页 |
参考文献 | 第76-80页 |
致谢 | 第80-81页 |
攻读学位期间发表的学术论文 | 第81页 |