基于多维特征检测的异常评论识别方法研究
发布时间：2021-05-11 17:21
在电子商务快速发展的时代,网络购物已然成为一种人们普遍的购物方式。与此同时,越来越多的网购用户在购物之后,喜欢在电商平台分享自己对于所购商品及店家服务的观点和感受。大量的理论和实证研究表明,在网络购物情景下,网购评论对于消费者的购买决策和电商品牌及影响力的塑造均具有重要影响。随之而来,受利益驱动,一些不法商家采取雇佣虚假评论者发布不真实评论的手段,来提高自身信誉或诋毁竞争对手信誉,最终达到误导消费者购买决策行为的目的,致使网上虚假评论泛滥,不仅影响了消费者的正常购买决策,同时严重影响了电子商务的健康发展。这一问题已引起社会各界的广泛关注,亟待解决。基于上述背景,近年来异常评论检测已经成为电子商务和人工智能领域的研究热点之一,国内外学者从虚假评论的行为动机、形成路径、自动识别等多方面开展了大量研究。本文在学习借鉴已有研究成果基础之上,针对异常网购评论识别问题,从网购用户的评论行为和评论内容两个维度的特征分析入手,提出了基于行为和内容特征融合的异常网购评论识别方法,主要研究工作及取得的研究成果如下:（1）提出了一种基于行为熵的正常评论群体行为特征识别方法。该方法首先确定评论行为属性和评论用...
【文章来源】：大连海事大学辽宁省 211工程院校
【文章页数】：69 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
1 绪论
1.1 研究背景和意义
1.2 国内外研究现状
1.2.1 虚假评论的行成动机及其对消费者的影响
1.2.2 基于评论内容的虚假评论识别
1.2.3 基于评论行为的虚假评论识别
1.3 研究内容和技术路线
1.4 论文组织结构
1.5 本章小结
2 概念界定及相关基础理论
2.1 概念界定
2.1.1 网购评论
2.1.2 异常网购评论
2.2 相关基础理论
2.2.1 时间序列分析
2.2.2 信息熵理论
2.2.3 文本数据挖掘
2.3 本章小结
3 正常网购评论的群体行为特征分析与规律挖掘
3.1 群体行为
3.1.1 群体行为的概念界定
3.1.2 群体行为的形成机制与一般特征
3.1.3 网购评论过程的群体性行为分析
3.2 网购用户评论的行为相关属性与特征选取
3.2.1 网购用户的评论行为相关属性分析
3.2.2 网购用户评论行为特征选取
3.3 网购评论的群体行为规律挖掘模型构建
3.3.1 评论用户分类
3.3.2 基于信息熵的正常评论群体行为规律挖掘
3.3.3 评论者的群体性评论行为规律挖掘
3.4 实证分析
3.4.1 实验数据预处理
3.4.2 实验结果分析
3.5 本章小结
4 正常网购评论的文本特征分析与规律挖掘
4.1 网购评论文本的特征选择
4.2 网购评论文本的特征建模
4.2.1 评论文本的长度特征建模
4.2.2 评论文本的句法结构相似度特征建模
4.2.3 评论文本的情感极性特征建模
4.2.4 评论文本的主题一致性特征建模
4.3 实证分析
4.3.1 实验数据预处理
4.3.2 实验结果分析
4.4 本章小结
5 基于多特征融合的异常评论识别方法
5.1 两阶段异常评论识别方法过程框架
5.2 异常评论识别中的多特征融合算法
5.2.1 特征集的表示与构建
5.2.2 显著性特征检验与权重系数赋值方法
5.3 基于多特征融合的SVM分类器模型构建
5.3.1 支持向量机模型(SVM)
5.3.2 核函数
5.3.3 多特征融合的SVM分类模型构建
5.4 实证分析
5.4.1 异常评论数据集的构建
5.4.2 实验结果与分析
5.5 本章小结
结论
参考文献
致谢
作者简历及攻读硕士学位期间的科研成果
【参考文献】：
期刊论文
[1]基于词向量和CNN的书籍评论情感分析方法[J]. 李昊璇,张华洁. 测试技术学报. 2019(02)
[2]一种基于信息熵的关键词提取算法[J]. 吴华,罗顺,孙伟晋. 计算机与数字工程. 2019(03)
[3]时间序列预测方法综述[J]. 杨海民,潘志松,白玮. 计算机科学. 2019(01)
[4]朴素贝叶斯在文本分类上的应用[J]. 孟天乐. 通讯世界. 2019(01)
[5]网上虚假评论研究述评与展望[J]. 刘苗苗,黄沛. 未来与发展. 2017(11)
[6]文本分类及分类算法研究综述[J]. 张磊. 电脑知识与技术. 2016(34)
[7]基于情感特征和用户关系的虚假评论者的识别[J]. 邵珠峰,姬东鸿. 计算机应用与软件. 2016(05)
[8]基于评论者关系的垃圾评论者识别研究[J]. 徐小婷,魏晶晶,廖祥文,刘月,陈水利. 集美大学学报(自然科学版). 2016(02)
[9]结合深度置信网络和模糊集的虚假交易识别研究[J]. 张李义,刘畅. 现代图书情报技术. 2016(01)
[10]基于模板用户信息搜索行为和统计分析的共谋销量欺诈识别[J]. 王忠群,乐元,修宇,皇苏斌,汪千松. 现代图书情报技术. 2015(11)
博士论文
[1]在线用户评论行为时间序列关联特征规律研究[D]. 张艳丰.吉林大学 2018
[2]虚假评论对消费者购买意愿的影响研究[D]. 刘璇.南京大学 2015
硕士论文
[1]基于并行SVM算法的中文文本分类方法研究[D]. 尹旭东.吉林大学 2018
[2]基于文本与用户行为挖掘的虚假评论识别研究[D]. 道如那.内蒙古大学 2018
[3]电商虚假评论识别[D]. 李存林.广西民族大学 2018
[4]基于深度学习的虚假评论检测的研究与设计[D]. 张胜男.重庆大学 2018
[5]网购评论信息细粒度情感分析方法研究[D]. 张焕成.大连海事大学 2018
[6]基于主题模型的虚假评论人群组检测方法[D]. 顾松敏.沈阳理工大学 2018
[7]LBSN中虚假评论群体检测[D]. 郭一方.东南大学 2017
[8]基于用户行为的水军团体阵营发现技术研究[D]. 曹文盼.浙江工商大学 2017
[9]基于图模型的虚假评论识别方法研究[D]. 黄婷.华中科技大学 2017
[10]基于卷积神经网络的虚假评论识别技术的研究[D]. 李静.北京邮电大学 2017
本文编号：3181803
【文章来源】：大连海事大学辽宁省 211工程院校
【文章页数】：69 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
1 绪论
1.1 研究背景和意义
1.2 国内外研究现状
1.2.1 虚假评论的行成动机及其对消费者的影响
1.2.2 基于评论内容的虚假评论识别
1.2.3 基于评论行为的虚假评论识别
1.3 研究内容和技术路线
1.4 论文组织结构
1.5 本章小结
2 概念界定及相关基础理论
2.1 概念界定
2.1.1 网购评论
2.1.2 异常网购评论
2.2 相关基础理论
2.2.1 时间序列分析
2.2.2 信息熵理论
2.2.3 文本数据挖掘
2.3 本章小结
3 正常网购评论的群体行为特征分析与规律挖掘
3.1 群体行为
3.1.1 群体行为的概念界定
3.1.2 群体行为的形成机制与一般特征
3.1.3 网购评论过程的群体性行为分析
3.2 网购用户评论的行为相关属性与特征选取
3.2.1 网购用户的评论行为相关属性分析
3.2.2 网购用户评论行为特征选取
3.3 网购评论的群体行为规律挖掘模型构建
3.3.1 评论用户分类
3.3.2 基于信息熵的正常评论群体行为规律挖掘
3.3.3 评论者的群体性评论行为规律挖掘
3.4 实证分析
3.4.1 实验数据预处理
3.4.2 实验结果分析
3.5 本章小结
4 正常网购评论的文本特征分析与规律挖掘
4.1 网购评论文本的特征选择
4.2 网购评论文本的特征建模
4.2.1 评论文本的长度特征建模
4.2.2 评论文本的句法结构相似度特征建模
4.2.3 评论文本的情感极性特征建模
4.2.4 评论文本的主题一致性特征建模
4.3 实证分析
4.3.1 实验数据预处理
4.3.2 实验结果分析
4.4 本章小结
5 基于多特征融合的异常评论识别方法
5.1 两阶段异常评论识别方法过程框架
5.2 异常评论识别中的多特征融合算法
5.2.1 特征集的表示与构建
5.2.2 显著性特征检验与权重系数赋值方法
5.3 基于多特征融合的SVM分类器模型构建
5.3.1 支持向量机模型(SVM)
5.3.2 核函数
5.3.3 多特征融合的SVM分类模型构建
5.4 实证分析
5.4.1 异常评论数据集的构建
5.4.2 实验结果与分析
5.5 本章小结
结论
参考文献
致谢
作者简历及攻读硕士学位期间的科研成果
【参考文献】：
期刊论文
[1]基于词向量和CNN的书籍评论情感分析方法[J]. 李昊璇,张华洁. 测试技术学报. 2019(02)
[2]一种基于信息熵的关键词提取算法[J]. 吴华,罗顺,孙伟晋. 计算机与数字工程. 2019(03)
[3]时间序列预测方法综述[J]. 杨海民,潘志松,白玮. 计算机科学. 2019(01)
[4]朴素贝叶斯在文本分类上的应用[J]. 孟天乐. 通讯世界. 2019(01)
[5]网上虚假评论研究述评与展望[J]. 刘苗苗,黄沛. 未来与发展. 2017(11)
[6]文本分类及分类算法研究综述[J]. 张磊. 电脑知识与技术. 2016(34)
[7]基于情感特征和用户关系的虚假评论者的识别[J]. 邵珠峰,姬东鸿. 计算机应用与软件. 2016(05)
[8]基于评论者关系的垃圾评论者识别研究[J]. 徐小婷,魏晶晶,廖祥文,刘月,陈水利. 集美大学学报(自然科学版). 2016(02)
[9]结合深度置信网络和模糊集的虚假交易识别研究[J]. 张李义,刘畅. 现代图书情报技术. 2016(01)
[10]基于模板用户信息搜索行为和统计分析的共谋销量欺诈识别[J]. 王忠群,乐元,修宇,皇苏斌,汪千松. 现代图书情报技术. 2015(11)
博士论文
[1]在线用户评论行为时间序列关联特征规律研究[D]. 张艳丰.吉林大学 2018
[2]虚假评论对消费者购买意愿的影响研究[D]. 刘璇.南京大学 2015
硕士论文
[1]基于并行SVM算法的中文文本分类方法研究[D]. 尹旭东.吉林大学 2018
[2]基于文本与用户行为挖掘的虚假评论识别研究[D]. 道如那.内蒙古大学 2018
[3]电商虚假评论识别[D]. 李存林.广西民族大学 2018
[4]基于深度学习的虚假评论检测的研究与设计[D]. 张胜男.重庆大学 2018
[5]网购评论信息细粒度情感分析方法研究[D]. 张焕成.大连海事大学 2018
[6]基于主题模型的虚假评论人群组检测方法[D]. 顾松敏.沈阳理工大学 2018
[7]LBSN中虚假评论群体检测[D]. 郭一方.东南大学 2017
[8]基于用户行为的水军团体阵营发现技术研究[D]. 曹文盼.浙江工商大学 2017
[9]基于图模型的虚假评论识别方法研究[D]. 黄婷.华中科技大学 2017
[10]基于卷积神经网络的虚假评论识别技术的研究[D]. 李静.北京邮电大学 2017
本文编号：3181803
本文链接：https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/3181803.html
