| 摘要 | 第8-9页 |
| abstract | 第9页 |
| 第一章 绪论 | 第14-24页 |
| 1.1 研究背景和意义 | 第14-16页 |
| 1.1.1 研究背景 | 第14-16页 |
| 1.1.2 研究意义 | 第16页 |
| 1.2 国内外研究现状 | 第16-20页 |
| 1.2.1 虚假评论检测 | 第16-18页 |
| 1.2.2 非均衡数据分类 | 第18-20页 |
| 1.3 研究目标和研究内容 | 第20-21页 |
| 1.3.1 研究目标 | 第20页 |
| 1.3.2 研究内容 | 第20-21页 |
| 1.4 研究方法与技术路线图 | 第21-23页 |
| 1.4.1 研究方法 | 第21-22页 |
| 1.4.2 技术路线图 | 第22-23页 |
| 1.5 本文的组织结构 | 第23-24页 |
| 第二章 虚假评论检测和非均衡数据分类的基础理论研究 | 第24-35页 |
| 2.1 虚假评论检测 | 第24-30页 |
| 2.1.1 虚假评论的概念 | 第24-25页 |
| 2.1.2 虚假评论检测概述 | 第25页 |
| 2.1.3 虚假评论检测的难点 | 第25-26页 |
| 2.1.4 虚假评论检测的常用特征 | 第26-28页 |
| 2.1.5 虚假评论检测的常用方法 | 第28-30页 |
| 2.2 非均衡数据分类 | 第30-34页 |
| 2.2.1 非均衡数据分类概述 | 第30-31页 |
| 2.2.2 数据层面的非均衡数据分类方法 | 第31-33页 |
| 2.2.3 算法层面的非均衡数据分类方法 | 第33-34页 |
| 2.3 小结 | 第34-35页 |
| 第三章 基于支持向量取样的虚假评论检测方法 | 第35-50页 |
| 3.1 虚假评论检测问题分析 | 第35页 |
| 3.2 支持向量机 | 第35-38页 |
| 3.3 传统取样方法的不足 | 第38-41页 |
| 3.4 ISSVM算法 | 第41-42页 |
| 3.5 实验设计 | 第42-44页 |
| 3.5.1 虚假评论数据集 | 第42-43页 |
| 3.5.2 评价指标 | 第43页 |
| 3.5.3 对比方法 | 第43-44页 |
| 3.5.4 实验流程 | 第44页 |
| 3.6 结果分析与讨论 | 第44-49页 |
| 3.6.1 实验结果与分析 | 第44-47页 |
| 3.6.2 参数讨论 | 第47-49页 |
| 3.7 小结 | 第49-50页 |
| 第四章 面向电子商务的虚假评论检测原型系统分析与设计 | 第50-61页 |
| 4.1 电子商务的现状及发展 | 第50-51页 |
| 4.2 面向电子商务的虚假评论检测原型系统分析与设计 | 第51-57页 |
| 4.2.1 系统设计目标 | 第51-52页 |
| 4.2.2 系统的总体架构设计 | 第52-53页 |
| 4.2.3 系统的功能结构图 | 第53-55页 |
| 4.2.4 系统技术架构设计 | 第55页 |
| 4.2.5 系统开发环境和关键技术 | 第55-57页 |
| 4.3 面向电子商务的虚假评论检测原型系统实现 | 第57-60页 |
| 4.3.1 评论采集模块实现 | 第58-59页 |
| 4.3.2 评论分析模块实现 | 第59页 |
| 4.3.3 虚假评论检测模块实现 | 第59-60页 |
| 4.4 小结 | 第60-61页 |
| 第五章 总结与展望 | 第61-63页 |
| 5.1 主要贡献与创新点 | 第61-62页 |
| 5.2 研究展望 | 第62-63页 |
| 参考文献 | 第63-68页 |
| 攻读硕士学位期间的学术活动及成果情况 | 第68-69页 |
