基于Web挖掘的虚假评论识别与推荐算法研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第10-11页 |
| 缩略语对照表 | 第11-14页 |
| 第一章 绪论 | 第14-20页 |
| 1.1 课题研究的背景及意义 | 第14页 |
| 1.2 发展历程 | 第14-15页 |
| 1.3 研究现状 | 第15-16页 |
| 1.4 本文的研究工作和章节安排 | 第16-20页 |
| 1.4.1 本文的主要工作 | 第16-17页 |
| 1.4.2 本文章节安排 | 第17-20页 |
| 第二章 相关概念和知识介绍 | 第20-28页 |
| 2.1 数据挖掘概述 | 第20-21页 |
| 2.2 Web数据挖掘 | 第21-23页 |
| 2.2.1 Web数据挖掘概述 | 第21页 |
| 2.2.2 Web数据挖掘的一般过程 | 第21-22页 |
| 2.2.3 Web数据挖掘的分类 | 第22-23页 |
| 2.3 虚假评论识别 | 第23页 |
| 2.4 推荐系统 | 第23-28页 |
| 2.4.1 推荐系统的定义 | 第23-24页 |
| 2.4.2 常用推荐算法 | 第24-26页 |
| 2.4.3 推荐系统与大数据 | 第26-28页 |
| 第三章 虚假评论识别 | 第28-40页 |
| 3.1 相关研究 | 第28-29页 |
| 3.2 改进的虚假评论识别方法 | 第29-33页 |
| 3.2.1 特征定义 | 第29-31页 |
| 3.2.2 基于遗传算法的特征选择 | 第31-32页 |
| 3.2.3 基于半监督学习的虚假评论识别 | 第32-33页 |
| 3.3 实验设计及结果分析 | 第33-38页 |
| 3.3.1 数据集构建 | 第33-35页 |
| 3.3.2 评价标准 | 第35-37页 |
| 3.3.3 结果分析 | 第37-38页 |
| 3.4 本章小结 | 第38-40页 |
| 第四章 基于项目属性偏好挖掘的协同过滤推荐 | 第40-50页 |
| 4.1 相关研究 | 第40-41页 |
| 4.2 项目属性偏好挖掘 | 第41-43页 |
| 4.2.1 属性偏好挖掘 | 第41页 |
| 4.2.2 多元属性的处理办法 | 第41-42页 |
| 4.2.3 用户项目属性相似度度量 | 第42-43页 |
| 4.3 基于项目属性偏好挖掘的推荐算法 | 第43-44页 |
| 4.4 实验设计及结果分析 | 第44-48页 |
| 4.4.1 数据集及评价标准 | 第44-45页 |
| 4.4.2 阈值选取实验 | 第45-46页 |
| 4.4.3 结果分析 | 第46-48页 |
| 4.5 本章小结 | 第48-50页 |
| 第五章 个性化混合推荐方法 | 第50-62页 |
| 5.1 推荐技术面临的难题 | 第50-52页 |
| 5.2 常用的混合推荐技术 | 第52页 |
| 5.3 个性化混合推荐 | 第52-57页 |
| 5.3.1 推荐流程 | 第52-55页 |
| 5.3.2 协商模型 | 第55-57页 |
| 5.3.3 优势分析 | 第57页 |
| 5.4 实验设计及结果分析 | 第57-60页 |
| 5.4.1 数据集及评价标准 | 第57-58页 |
| 5.4.2 实验结果分析 | 第58-60页 |
| 5.5 本章小结 | 第60-62页 |
| 第六章 总结与展望 | 第62-64页 |
| 6.1 总结 | 第62页 |
| 6.2 展望 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 致谢 | 第68-70页 |
| 作者简介 | 第70-71页 |
