基于深度学习的虚假评论检测的研究与设计
| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4-5页 |
| 1 绪论 | 第8-12页 |
| 1.1 研究背景与意义 | 第8页 |
| 1.2 国内外研究现状 | 第8-10页 |
| 1.2.1 虚假评论检测技术 | 第8-9页 |
| 1.2.2 虚假评论检测系统 | 第9-10页 |
| 1.3 论文的主要工作和组织结构 | 第10-11页 |
| 1.3.1 论文的主要工作 | 第10页 |
| 1.3.2 论文的组织结构 | 第10-11页 |
| 1.4 本章小结 | 第11-12页 |
| 2 关键技术研究 | 第12-24页 |
| 2.1 深度学习算法综述 | 第12-16页 |
| 2.1.1 生成型深层结构 | 第13-15页 |
| 2.1.2 判别型深层结构 | 第15-16页 |
| 2.1.3 混合型深层结构 | 第16页 |
| 2.2 虚假评论检测方法概述 | 第16-22页 |
| 2.2.1 基于监督学习的虚假评论检测算法 | 第17-19页 |
| 2.2.2 基于半监督学习的虚假评论检测算法 | 第19-21页 |
| 2.2.3 基于无监督学习的虚假评论检测算法 | 第21-22页 |
| 2.3 本章小结 | 第22-24页 |
| 3 基于深度学习的虚假评论检测研究 | 第24-52页 |
| 3.1 基于深度学习特征提取的虚假评论检测 | 第24-40页 |
| 3.1.1 评论内容词向量模型表示 | 第24-28页 |
| 3.1.2 基于卷积神经网络的特征提取 | 第28-30页 |
| 3.1.3 基于深度置信网络的特征提取 | 第30-32页 |
| 3.1.4 基于LSTM网络的特征提取 | 第32-36页 |
| 3.1.5 分类器训练 | 第36-40页 |
| 3.2 基于融合特征的虚假评论检测 | 第40-41页 |
| 3.3 实验结果及分析 | 第41-50页 |
| 3.3.1 数据预处理 | 第41-43页 |
| 3.3.2 实验设置 | 第43-47页 |
| 3.3.3 实验结果 | 第47-50页 |
| 3.4 本章小结 | 第50-52页 |
| 4 基于深度学习的虚假评论检测原型的设计与实现 | 第52-68页 |
| 4.1 虚假评论检测原型的分析 | 第52-55页 |
| 4.1.1 系统原型需求分析 | 第52页 |
| 4.1.2 系统原型可行性分析 | 第52-53页 |
| 4.1.3 系统原型业务流程分析 | 第53-55页 |
| 4.2 虚假评论检测原型的设计 | 第55-59页 |
| 4.2.1 系统原型总体设计 | 第55-56页 |
| 4.2.2 系统原型功能模块设计 | 第56-59页 |
| 4.3 虚假评论检测原型的实现与测试 | 第59-67页 |
| 4.3.1 原型服务器端功能实现 | 第59-62页 |
| 4.3.2 原型客户端功能实现 | 第62页 |
| 4.3.4 原型功能测试与分析 | 第62-67页 |
| 4.4 本章小结 | 第67-68页 |
| 5 总结与展望 | 第68-70页 |
| 5.1 总结 | 第68页 |
| 5.2 展望 | 第68-70页 |
| 致谢 | 第70-72页 |
| 参考文献 | 第72-74页 |
