基于虚假评论检测的评论可视化系统的研究与实现
| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4-5页 |
| 1 绪论 | 第8-14页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.3 研究难点 | 第11页 |
| 1.4 研究内容 | 第11-12页 |
| 1.5 论文组织结构 | 第12-14页 |
| 2 相关技术 | 第14-20页 |
| 2.1 文本表示方法 | 第14-16页 |
| 2.1.1 词向量 | 第14-15页 |
| 2.1.2 段落向量 | 第15-16页 |
| 2.2 文本预处理 | 第16-17页 |
| 2.2.1 词形还原 | 第16页 |
| 2.2.2 去停用词 | 第16-17页 |
| 2.2.3 词性标注 | 第17页 |
| 2.3 基于情感词典的情感分析 | 第17-18页 |
| 2.4 时间序列异常检测 | 第18-19页 |
| 2.5 本章小结 | 第19-20页 |
| 3 基于ADASYN-SVM的虚假评论检测 | 第20-29页 |
| 3.1 支持向量机SVM | 第20-21页 |
| 3.2 自适应综合取样ADASYN | 第21-22页 |
| 3.3 特征向量构建 | 第22-24页 |
| 3.3.1 评论内部特征 | 第23-24页 |
| 3.3.2 评论外部特征 | 第24页 |
| 3.4 实验结果与分析 | 第24-28页 |
| 3.4.1 实验数据 | 第24-25页 |
| 3.4.2 度量标准 | 第25-26页 |
| 3.4.3 实验设置 | 第26-27页 |
| 3.4.4 结果分析 | 第27-28页 |
| 3.5 本章小结 | 第28-29页 |
| 4 融入情感时间序列的虚假评论检测 | 第29-40页 |
| 4.1 通用情感词典 | 第30-31页 |
| 4.2 餐饮领域情感词典的构建 | 第31-32页 |
| 4.3 情感强度计算 | 第32-33页 |
| 4.4 情感时间序列异常检测 | 第33-37页 |
| 4.4.1 自回归模型 | 第33-35页 |
| 4.4.2 基于残差统计的时间序列异常检测算法 | 第35-37页 |
| 4.5 实验结果与分析 | 第37-38页 |
| 4.5.1 实验设置 | 第37-38页 |
| 4.5.2 结果分析 | 第38页 |
| 4.6 本章小结 | 第38-40页 |
| 5 评论可视化系统设计与实现 | 第40-59页 |
| 5.1 系统需求分析 | 第40-41页 |
| 5.1.1 功能需求分析 | 第40页 |
| 5.1.2 非功能性需求分析 | 第40-41页 |
| 5.2 系统总体设计 | 第41-45页 |
| 5.2.1 总体架构设计 | 第41-42页 |
| 5.2.2 功能模块分析与设计 | 第42-43页 |
| 5.2.3 数据库设计 | 第43-45页 |
| 5.3 系统实现 | 第45-55页 |
| 5.3.1 开发运行环境 | 第45页 |
| 5.3.2 主要技术工具 | 第45-47页 |
| 5.3.3 数据抽取模块 | 第47-49页 |
| 5.3.4 虚假评论识别模块 | 第49-50页 |
| 5.3.5 评论可视化模块 | 第50-55页 |
| 5.4 功能界面展示 | 第55-58页 |
| 5.5 本章小结 | 第58-59页 |
| 6 总结与展望 | 第59-61页 |
| 6.1 总结 | 第59页 |
| 6.2 不足与展望 | 第59-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-66页 |
