基于行为分析的电子商务虚假评论者检测

发布时间：2020-04-23 08:09

【摘要】：随着Web2.0技术的迅速发展,开放交互的共享性网络逐渐取代了单一的门户型网站。通过各种网络平台发表自己的评论和看法已成为人们生活中不可缺少的一部分。例如在淘宝网、当当网等电商网站中,消费者在购买商品后可以进行评分以及写出对商品质量和商家服务的感受,同时,消费者之间也可以互相提问点赞。在现有电子商务体系下,拥有较高好评率的商家会得到优先展示。同时,由于差评无法被商家删除,其带给潜在消费者的恶劣印象影响深远,消费者在阅读差评后很可能会放弃之前购物的想法,反之拥有极高好评率的商品更容易成为消费者优先选择的对象。因此,在线商品的销售与商品评价信息密切相关,越来越多的商家为了经济利益开始雇佣甚至充当虚假评论者对商品进行不切实际的评论,主要分为两种情况:一种是给予自家商品夸大产品质量的好评,另一种是通过差评打击竞争对手。这两种情况导致用户无法得到商品质量的客观信息,影响消费者在购物时对商品质量的正确判断,最终使得用户无法得到满意的购物体验。面对复杂的电子商务网络环境,寻找出一种科学有效的办法去检测虚假评论或虚假评论者,是近些年来国内外诸多学者专家试图解决的问题。本文从有监督学习的角度,对评论者可能存在的作弊行为开展研究讨论,并提出了基于证据理论的虚假评论者检测方法,具体如下:1)本文结合现今电子商务平台中广泛存在的虚假评论,对虚假评论者行为动机进行分析,并根据实际情况对虚假评论者采用的多种作弊手段进行总结,建立多组指标对虚假评论者进行检测。2)本文提出将评论者可能存在的多种作弊行为视为证据体并构建D—S证据理论模型。同时借助支持向量机模型在单特征识别模式下对虚假评论者进行检测,进一步利用sigmoid函数拟合的方式为证据理论模型下单个证据体提供可信度赋值。3)本文以爬取的亚马逊中国电商网站的评论者真实数据作为测试数据集,结合人工标记的方法,对所构建模型的准确率、召回率等指标进行了测试,并同单一证据体下的检测效果进行了比较。
【图文】：

原型系统界面

原型系统数据导入（2）虚假评论者识别框架构建
【学位授予单位】：云南大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TP181;TP391.1

【参考文献】

相关期刊论文 前9条

1 任亚峰;姬东鸿;张红斌;尹兰;;基于PU学习算法的虚假评论识别研究[J];计算机研究与发展;2015年03期

2 彭岚;周启海;邱江涛;;消费者在线评论有用性影响因素模型研究[J];计算机科学;2011年08期

3 岳昆;刘惟一;王晓玲;李劲;;一种基于不确定性因素叠加的Web服务质量度量方法[J];计算机研究与发展;2009年05期

4 王勇;韩九强;;基于多通道Gabor滤波和D-S证据理论的虹膜识别[J];信息与控制;2006年04期

5 张翔;肖小玲;徐光yP;;基于样本之间紧密度的模糊支持向量机方法[J];软件学报;2006年05期

6 诸葛建伟;王大为;陈昱;叶志远;邹维;;基于D-S证据理论的网络异常检测方法[J];软件学报;2006年03期

7 陈毅松,汪国平,董士海;基于支持向量机的渐进直推式分类学习算法[J];软件学报;2003年03期

8 陶卿,曹进德,孙德敏;基于支持向量机分类的回归方法[J];软件学报;2002年05期

9 蓝金辉,马宝华,蓝天,周兆英;D-S证据理论数据融合方法在目标识别中的应用[J];清华大学学报(自然科学版);2001年02期

相关硕士学位论文 前1条

1 刘晓光;基于D-S证据理论的推理系统研究[D];合肥工业大学;2010年

，

本文编号：2637530