基于Web质量模型特征模型的垃圾评论特征分析与检测
| 摘要 | 第6-7页 |
| Abstract | 第7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-16页 |
| 1.2.1 垃圾评论内容检测 | 第11-14页 |
| 1.2.2 垃圾评论发布者检测 | 第14-15页 |
| 1.2.3 垃圾评论发布团体检测 | 第15-16页 |
| 1.3 研究内容和目标 | 第16-17页 |
| 1.4 论文结构安排 | 第17-18页 |
| 第2章 垃圾评论检测关键技术研究 | 第18-28页 |
| 2.1 垃圾评论文本分析 | 第18-20页 |
| 2.1.1 垃圾评论特征分析 | 第18-19页 |
| 2.1.2 WebQM特征提取方法 | 第19-20页 |
| 2.2 垃圾评论检测技术 | 第20-23页 |
| 2.2.1 支持向量机分类算法概述 | 第21-22页 |
| 2.2.2 朴素贝叶斯分类算法概述 | 第22-23页 |
| 2.2.3 决策树分类算法概述 | 第23页 |
| 2.3 PU学习算法 | 第23-27页 |
| 2.3.1 PU学习算法概述 | 第24-25页 |
| 2.3.2 PU学习算法的优缺点 | 第25-26页 |
| 2.3.3 Scikit-learn | 第26-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第3章 检测框架设计与数据预处理 | 第28-35页 |
| 3.1 垃圾评论检测框架设计 | 第28-29页 |
| 3.2 数据集构建 | 第29-33页 |
| 3.2.1 黄金标准数据集 | 第29-31页 |
| 3.2.2 亚马逊数据集 | 第31-33页 |
| 3.3 数据预处理 | 第33-34页 |
| 3.4 本章小结 | 第34-35页 |
| 第4章 黄金标准数据集垃圾评论检测 | 第35-50页 |
| 4.1 特征选择与分析 | 第35-42页 |
| 4.1.1 评论内容特征 | 第35-40页 |
| 4.1.2 评论表达特征 | 第40-42页 |
| 4.1.3 特征数据归一化 | 第42页 |
| 4.2 垃圾评论检测算法分析与设计 | 第42-45页 |
| 4.2.1 改进型PU学习算法 | 第42-44页 |
| 4.2.2 分类性能评价指标 | 第44-45页 |
| 4.3 检测实验 | 第45-49页 |
| 4.3.1 实验设置 | 第45页 |
| 4.3.2 对比实验 | 第45-49页 |
| 4.4 本章小结 | 第49-50页 |
| 第5章 亚马逊数据集垃圾评论检测 | 第50-63页 |
| 5.1 多维特征选择与分析 | 第50-54页 |
| 5.1.1 评论源特征 | 第50-51页 |
| 5.1.2 评论内容特征 | 第51-53页 |
| 5.1.3 评论表达特征 | 第53-54页 |
| 5.2 基于梯度提升的决策树垃圾评论检测 | 第54-57页 |
| 5.2.1 梯度提升决策树算法分析 | 第54-56页 |
| 5.2.2 Xgboost实现 | 第56-57页 |
| 5.3 检测实验 | 第57-62页 |
| 5.4 本章小结 | 第62-63页 |
| 第6章 总结与展望 | 第63-65页 |
| 6.1 总结 | 第63页 |
| 6.2 展望 | 第63-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-70页 |
| 攻读硕士学位期间发表的论文 | 第70页 |
