| 摘要 | 第6-7页 |
| Abstract | 第7页 |
| 第1章 绪论 | 第11-15页 |
| 1.1 课题研究背景及意义 | 第11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 研究内容和目标 | 第13页 |
| 1.4 论文结构安排 | 第13-15页 |
| 第2章 垃圾评论检测相关技术和算法 | 第15-27页 |
| 2.1 垃圾评论检测技术 | 第15-18页 |
| 2.1.1 内容型垃圾评论检测技术 | 第15-17页 |
| 2.1.2 欺诈型垃圾评论检测技术 | 第17-18页 |
| 2.2 垃圾评论检测算法优缺点 | 第18-19页 |
| 2.3 人工神经网络 | 第19-24页 |
| 2.3.1 感知器模型 | 第19-21页 |
| 2.3.2 BP神经网络 | 第21-22页 |
| 2.3.3 梯度下降算法 | 第22-24页 |
| 2.4 栈式自编码神经网络 | 第24-26页 |
| 2.4.1 自编码神经网络 | 第25页 |
| 2.4.2 自编码神经网络的PCA应用 | 第25-26页 |
| 2.4.3 稀疏自编码神经网络 | 第26页 |
| 2.5 本章小结 | 第26-27页 |
| 第3章 垃圾评论检测框架设计与数据预处理 | 第27-34页 |
| 3.1 垃圾评论检测总体框架 | 第27-28页 |
| 3.2 垃圾评论数据集 | 第28-29页 |
| 3.2.1 其他数据集 | 第29页 |
| 3.3 数据集的准备 | 第29-33页 |
| 3.3.1 数据预处理 | 第30-32页 |
| 3.3.2 垃圾评论检测数据集 | 第32-33页 |
| 3.4 本章小结 | 第33-34页 |
| 第4章 内容型垃圾评论检测 | 第34-48页 |
| 4.1 内容型垃圾评论的表现手段 | 第34-35页 |
| 4.2 特征选择与分析 | 第35-38页 |
| 4.2.1 评论元数据相关的特征 | 第35页 |
| 4.2.2 评论内容相关的特征 | 第35-38页 |
| 4.2.3 评论发布者相关的特征 | 第38页 |
| 4.3 内容型垃圾评论检测算法分析与设计 | 第38-42页 |
| 4.3.1 基于BP神经网络内容垃圾评论检测模型 | 第38-39页 |
| 4.3.2 自编码神经网络与朴素贝叶斯结合模型 | 第39-42页 |
| 4.4 实验结果与分析 | 第42-47页 |
| 4.4.1 数据归一化 | 第42-43页 |
| 4.4.2 基于BP神经网络的检测模型实验结果 | 第43页 |
| 4.4.3 自编码神经网络与朴素贝叶斯结合模型实验结果 | 第43-46页 |
| 4.4.4 实验对比分析 | 第46-47页 |
| 4.5 本章小结 | 第47-48页 |
| 第5章 欺诈型评论检测 | 第48-61页 |
| 5.1 欺诈型评论的作弊手段 | 第48-49页 |
| 5.2 欺诈型评论的检测原理分析 | 第49页 |
| 5.3 基于多元特征的欺诈型评论检测模型 | 第49-56页 |
| 5.3.1 欺诈型评论检测框架 | 第50页 |
| 5.3.2 评论内容、用户和商品的特征选择 | 第50-52页 |
| 5.3.3 用户行为特征的学习模型 | 第52-56页 |
| 5.4 欺诈评论检测实验对比与分析 | 第56-60页 |
| 5.4.1 数据归一化 | 第56页 |
| 5.4.2 实验结果分析 | 第56-59页 |
| 5.4.3 实验对比 | 第59-60页 |
| 5.5 本章小结 | 第60-61页 |
| 第6章 总结与展望 | 第61-63页 |
| 6.1 总结 | 第61页 |
| 6.2 不足与展望 | 第61-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-68页 |
| 攻读硕士学位期间发表的论文 | 第68页 |