基于主题情感联合概率模型的虚假评论检测研究

发布时间：2021-11-19 17:23

　　随着智能终端设备的普及,消费者倾向于通过网上购买商品,这催生了电子商务的繁荣。由于电子商务虚拟环境普遍存在着信息不对称性,消费者无法准确获得商品质量信息,因此更多地借助历史评论衡量商品的好坏。然而,有些不法商家抓住机制的漏洞,雇佣网络水军撰写不实的言论以提高自身声誉,吸引消费者购买。评论大数据的产生使得人们很难用肉眼辨别出哪些是虚假评论。传统的虚假评论检测模型取得了一定的研究成果。但是,由于这些模型仅使用语言特征和语法结构特征,不能很好地挖掘文本的语义和情感信息,准确率的提升受到限制。深度神经网络模型虽然能够学习到文本的抽象特征,但是结果缺乏可解释性。为了提高虚假评论检测的准确性,本文以语义和情感为视角,提出无监督的主题情感联合概率模型UTSJ（Unsupervised Topic-sentiment Joint Probabilistic Model）。论文主要完成了以下几个方面的工作:（1）结合主题模型方法进行虚假评论检测。从语义和情感的角度,选取传统的主题模型LDA和融合情感的主题模型JST,研究该模型在虚假评论检测领域应用的效果。在传统LDA模型的基础上,增加情感层,提出无监督... 

【文章来源】：山东科技大学山东省

【文章页数】：69 页

【学位级别】：硕士

【部分图文】：

图２．１虚假评论检测框架??Ｆｉｇ．２．１?Ａ?ｆｒａｍｅｗｏｒｋ?ｆｏｒ?ｄｅｔｅｃｔｉｎｇ?ｄｅｃｅｐｔｉｖｅ?ｒｅｖｉｅｗ??本节将按照图２．１中的虚假评论检测框架图展开，分别介绍在虚假评论检测??

基于这种人们撰写评论的行为习惯，本文提出了如下假设：??假设１：在评论文本中，表达的情感是依赖于特定的主题（方面）。??图３．３给出了一条ｙｅｌｐ评论文本。文本内容主要有两个特点：一是评论文??本的内容往往是对于某个特定商品或服务的方面进行评价；二是评论文本方面??的时候同时表达出相应的情感倾向信息，这与本文提出的假设１是相符的。??Ｐ．?□□□□□２／２／２０１８??Ｓａｎ?Ｊｏｓｅ，?ＣＡ??夺?３２６?ｆｒｉｅｎｃｌｓ?０?Ｓｅａｔｅｄ?ｖｓａ?Ｙｅｌｐ?Ｒｅｓｅｒｖａｔｂｎｓ??〇?５３?ｒｅｖｉｅｗｓ??？?７?ｐｎｏｔｏｓ?Ａｂｓｏ！ｕｔｅ＾?ＷＧｎｄｅ疗ｕｌ－?ｗｅｒｅ?Ｆ〇ｏｄ?议３５??ｉｎｇｅｎｉｏｕｓ．?Ｒｅａｌｌｙ?ｒｏｍａｎｔｉｃ?ａｎｄ?ｏｒｇａｎｉｃ?ａｍｂｉｅｎｃｅ．??Ｗｅ?ｈａｄ?ｔｗｏ?ｃｏｃｋｔａｉｌｓ

图３．４?ＵＴＳＪ的概率图模型??Ｆｉｇ．３．４?Ｐｒｏｂａｂｉｌｉｓｔｉｃ?ｇｒａｐｈ?ｍｏｄｅｌ?ｆｏｒ?ＵＴＳＪ??图３．４给出了?ＵＴＳＪ模型的概率图模型，红色方框圈出来的部分代表了扩展??ＬＤＡ的情感层部分。对比图３．４与图３．１，可以看到是ＵＴＳＪ模型是情感依赖主??题的（即而ＪＳＴ模型是主题依赖情感的（ＳＰ／￣ｚ）。对比图３．４与图３．２，??可以看到ＵＴＳＪ模型的每个词都来源于不同的语言结构（方框）。??２８??

【参考文献】：
期刊论文
[1]基于决策树分类算法的研究与应用[J]. 路翀,徐辉,杨永春.  电子设计工程. 2016(18)
[2]基于PU学习算法的虚假评论识别研究[J]. 任亚峰,姬东鸿,张红斌,尹兰.  计算机研究与发展. 2015(03)
[3]基于语言结构和情感极性的虚假评论识别[J]. 任亚峰,尹兰,姬东鸿.  计算机科学与探索. 2014(03)
[4]基于LDA主题模型的文本相似度计算[J]. 王振振,何明,杜永萍.  计算机科学. 2013(12)
[5]文本分类中TF-IDF方法的改进研究[J]. 覃世安,李法运.  现代图书情报技术. 2013(10)
[6]基于自适应聚类的虚假评论检测[J]. 宋海霞,严馨,余正涛,石林宾,苏斐.  南京大学学报(自然科学版). 2013(04)
[7]基于LDA的中文文本相似度计算[J]. 孙昌年,郑诚,夏青松.  计算机技术与发展. 2013(01)
[8]基于随机森林的特征选择算法[J]. 姚登举,杨静,詹晓娟.  吉林大学学报(工学版). 2014(01)
[9]基于鉴别能力分析和LDA-LPP算法的人脸识别[J]. 曹洁,吴迪,李伟.  吉林大学学报(工学版). 2012(06)
[10]基于互信息的无监督特征选择[J]. 徐峻岭,周毓明,陈林,徐宝文.  计算机研究与发展. 2012(02)



本文编号：3505507