虚假评论识别及评论有用性分析
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第10-19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 虚假评论识别国内外研究现状 | 第11-14页 |
| 1.2.2 评论有用性分析国内外研究现状 | 第14-16页 |
| 1.3 本文主要研究思路及内容 | 第16-17页 |
| 1.4 本文结构安排 | 第17-19页 |
| 第2章 基于图模型的虚假评论识别 | 第19-38页 |
| 2.1 引言 | 第19页 |
| 2.2 实验数据及预处理 | 第19-22页 |
| 2.2.1 实验数据集介绍 | 第19-20页 |
| 2.2.2 预处理 | 第20-21页 |
| 2.2.3 实验评价指标 | 第21-22页 |
| 2.3 图模型框架及相关技术介绍 | 第22-25页 |
| 2.3.1 图模型框架 | 第22页 |
| 2.3.2 图模型相关技术介绍 | 第22-25页 |
| 2.4 先验概率的计算 | 第25-28页 |
| 2.4.1 特征工程 | 第25-27页 |
| 2.4.2 Prior计算 | 第27-28页 |
| 2.5 模型算法 | 第28-34页 |
| 2.5.1 BaseAlgorithm | 第28-30页 |
| 2.5.2 调整方案1 | 第30页 |
| 2.5.3 调整方案2 | 第30-32页 |
| 2.5.4 调整方案3 | 第32页 |
| 2.5.5 调整方案4 | 第32-33页 |
| 2.5.6 调整方案5 | 第33页 |
| 2.5.7 调整方案6 | 第33-34页 |
| 2.6 实验结果及分析对比 | 第34-37页 |
| 2.6.1 基于先验概率的结果 | 第34页 |
| 2.6.2 模型实验结果 | 第34-36页 |
| 2.6.3 不同迭代方案的对比分析 | 第36-37页 |
| 2.7 本章小结 | 第37-38页 |
| 第3章 基于有监督学习方法的虚假评论识别 | 第38-55页 |
| 3.1 引言 | 第38页 |
| 3.2 传统机器学习模型下的虚假评论判别 | 第38-44页 |
| 3.2.1 特征工程 | 第38-40页 |
| 3.2.2 模型介绍 | 第40-41页 |
| 3.2.3 模型筛选及参数优化 | 第41-43页 |
| 3.2.4 实验结果及分析 | 第43-44页 |
| 3.3 深度学习模型下的虚假评论判别 | 第44-49页 |
| 3.3.1 模型输入 | 第44-45页 |
| 3.3.2 模型介绍 | 第45-48页 |
| 3.3.3 实验结果及分析 | 第48-49页 |
| 3.4 基于半监督模型的虚假评论判别 | 第49-53页 |
| 3.4.1 模型介绍 | 第49-51页 |
| 3.4.2 实验结果及分析 | 第51-53页 |
| 3.5 本章小结 | 第53-55页 |
| 第4章 评论有用性分析 | 第55-66页 |
| 4.1 引言 | 第55页 |
| 4.2 数据集及预处理 | 第55-56页 |
| 4.3 特征工程 | 第56-59页 |
| 4.3.1 文本特征 | 第56-58页 |
| 4.3.2 情感特征 | 第58-59页 |
| 4.4 基于分类方法的评论有用性分析 | 第59-60页 |
| 4.4.1 特征重要性分析 | 第59-60页 |
| 4.4.2 实验结果及分析 | 第60页 |
| 4.5 基于回归方法的评论有用性分析 | 第60-65页 |
| 4.5.1 机器学习模型介绍 | 第60-62页 |
| 4.5.2 深度学习模型介绍 | 第62-64页 |
| 4.5.3 实验结果及分析 | 第64-65页 |
| 4.6 本章小节 | 第65-66页 |
| 结论 | 第66-68页 |
| 参考文献 | 第68-75页 |
| 致谢 | 第75页 |
