基于文本与用户行为挖掘的虚假评论识别研究
| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-16页 |
| 1.2.1 虚假评论文本检测研究 | 第13-14页 |
| 1.2.2 虚假评论者检测研究 | 第14-15页 |
| 1.2.3 虚假评论者群组检测研究 | 第15-16页 |
| 1.3 研究内容与组织结构 | 第16-17页 |
| 1.3.1 研究内容 | 第16页 |
| 1.3.2 组织结构 | 第16-17页 |
| 1.4 创新点 | 第17-18页 |
| 1.5 本章小结 | 第18-19页 |
| 第二章 研究方法及相关理论 | 第19-26页 |
| 2.1 文本挖掘相关理论 | 第19-22页 |
| 2.1.1 文本预处理 | 第19-20页 |
| 2.1.2 文本表示 | 第20页 |
| 2.1.3 文本特征选择 | 第20-22页 |
| 2.1.4 LDA主题模型 | 第22页 |
| 2.2 用户行为挖掘相关理论 | 第22-24页 |
| 2.2.1 FP-growth算法 | 第22-23页 |
| 2.2.2 基于物品的协同过滤算法 | 第23-24页 |
| 2.3 分类算法相关理论概述 | 第24-25页 |
| 2.3.1 决策树 | 第24页 |
| 2.3.2 朴素贝叶斯方法 | 第24-25页 |
| 2.3.3 支持向量机 | 第25页 |
| 2.3.4 集成学习 | 第25页 |
| 2.4 本章小结 | 第25-26页 |
| 第三章 虚假评论数据集获取与特征提取 | 第26-34页 |
| 3.1 评论数据集 | 第26-29页 |
| 3.1.1 数据集来源 | 第26-28页 |
| 3.1.2 数据集描述 | 第28-29页 |
| 3.2 特征分析与提取 | 第29-33页 |
| 3.2.1 基于文本挖掘方法的特征分析与提取 | 第29-31页 |
| 3.2.2 基于用户行为挖掘方法的特征分析与提取 | 第31-33页 |
| 3.3 本章小结 | 第33-34页 |
| 第四章 虚假评论检测模型构建 | 第34-44页 |
| 4.1 虚假评论检测特征指标构建 | 第34-36页 |
| 4.1.1 评论文本特征指标构建 | 第35页 |
| 4.1.2 评论语义特征指标构建 | 第35页 |
| 4.1.3 用户行为特征指标构建 | 第35页 |
| 4.1.4 关系特征指标构建 | 第35-36页 |
| 4.2 分类算法基本原理 | 第36-41页 |
| 4.2.1 支持向量机基本原理 | 第36-38页 |
| 4.2.2 XGboost基本原理 | 第38-41页 |
| 4.3 分类模型设计 | 第41-43页 |
| 4.3.1 数据集准备 | 第41-42页 |
| 4.3.2 数据集划分 | 第42页 |
| 4.3.3 模型训练 | 第42页 |
| 4.3.4 分类模型评估 | 第42-43页 |
| 4.4 本章小结 | 第43-44页 |
| 第五章 虚假评论检测模型实证分析 | 第44-53页 |
| 5.1 分类模型实现 | 第44-49页 |
| 5.1.1 实验环境介绍 | 第44-45页 |
| 5.1.2 实验数据集准备 | 第45-48页 |
| 5.1.3 实验数据选取与格式化 | 第48-49页 |
| 5.1.4 实验过程设计 | 第49页 |
| 5.2 实验结果对比分析 | 第49-52页 |
| 5.2.1 基于评论文本特征指标的分类实验结果 | 第50页 |
| 5.2.2 基于评论语义特征指标的分类实验结果 | 第50页 |
| 5.2.3 基于用户行为特征指标的分类实验结果 | 第50-51页 |
| 5.2.4 基于关系特征指标的分类实验结果 | 第51页 |
| 5.2.5 基于整合特征指标的分类实验结果 | 第51-52页 |
| 5.3 本章小结 | 第52-53页 |
| 第六章 总结与展望 | 第53-55页 |
| 6.1 总结 | 第53页 |
| 6.2 展望 | 第53-55页 |
| 参考文献 | 第55-58页 |
| 致谢 | 第58-59页 |
| 攻读硕士期间取得的研究成果 | 第59页 |
