可过滤虚假评论的在线推荐系统设计与实现

发布时间：2021-02-25 02:16

　　随着网络技术飞速发展,信息交换日益频繁带来了信息选取的困难,推荐系统应运而生。推荐系统依据用户的需求和兴趣等,将用户感兴趣的产品进行推送。具有个性化的推荐系统现已广泛应用于很多领域,尤其是电子商务领域。但是在实际应用中,推荐系统容易受到虚假评论的攻击,使得推荐系统的推荐效果和可信度急剧下降。因此,对于推荐系统来说,实现有效的虚假评论过滤和精准推荐至关重要。目前已有大量针对虚假评论和推荐系统的研究工作,但是在面对虚假评论攻击的时候如何实现精准推荐仍然存在挑战,存在的主要问题包括:1)虚假评论的识别与过滤依赖大量带标注的真假评论数据集作为基础,已有的虚假评论数据大多数依靠人力标注且数据较少,如何自动获取大量带类标的真假评论数据集是实现有效过滤虚假评论、精准推荐的基础;2)精心设计的虚假评论导致推荐系统性能急剧下降,已有的方法利用文本的统计信息作为特征输入虚假评论的文本检测器无法实现对虚假评论的有效检测,因此如何有效的过滤真实数据中的虚假评论至关重要;3)已有的推荐算法在处理稀疏推荐数据的时候存在推荐效果差的问题,数据稀疏性会直接影响推荐系统的推荐效果。针对以上问题,本文提出了虚假评论攻防策... 

【文章来源】：浙江工业大学浙江省

【文章页数】：75 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第一章 绪论
    1.1 课题研究背景及意义
    1.2 国内外研究现状
        1.2.1 文本生成算法现状研究
        1.2.2 虚假评论检测算法现状研究
        1.2.3 聚类推荐算法现状研究
    1.3 主要研究内容与章节安排
第二章 基于条件文本生成式对抗网络的文本生成算法
    2.1 问题的提出
    2.2 文本评估方法
    2.3 条件文本生成式对抗网络模型
        2.3.1 梯度下降训练CTGAN模型
        2.3.2 条件式生成器
        2.3.3 条件式判别器
    2.4 文本定制
    2.5 实验结果分析
        2.5.1 评估指标
        2.5.2 通过文本评估指标对比文本生成模型
        2.5.3 通过混合评估指标过滤生成的文本
        2.5.4 CTGAN生成条件文本数据
    2.6 本章小结
第三章 基于双循环图的虚假评论检测算法
    3.1 问题的提出
    3.2 三元加权图的构建
    3.3 评论一致度重定义
    3.4 用户置信度优化与可靠用户选择
    3.5 优化商店置信度与加权图过滤器
    3.6 实验结果分析
        3.6.1 评论真实性检测实验分析
        3.6.2 虚假用户检测试验分析
        3.6.3 收敛速度分析
        3.6.4 参数敏感性分析
    3.7 本章小结
第四章 基于网络表征学习的谱聚类推荐算法研究
    4.1 问题的提出
    4.2 类别二分图的单边投影与网络表征学习
    4.3 基于动态临近点的自动确定聚类中心谱聚类算法
        4.3.1 动态临近点
        4.3.2 自动确定聚类中心算法（ADCN）
        4.3.3 参数自适应
        4.3.4 算法框架
    4.4 分阶段个性化推荐
    4.5 仿真实验与性能评估
        4.5.1 网络可视化分析
        4.5.2 推荐结果分析
    4.6 本章小结
第五章 总结与展望
    5.1 完成研究内容及特点
    5.2 存在问题及进一步研究建议
参考文献
致谢
作者简介
    1.作者简历
    2.攻读工学硕士学位期间发表的学术论文
    3.参与的科研项目及奖励情况
    4.发明专利
学位论文数据集



本文编号：3050281