基于图模型的虚假评论群组检测算法研究

发布时间：2021-03-28 17:48

　　电商平台的评论在很大程度上为消费者提供了商品情况的直观判断,然而由于经济利益,许多不法的商户或专业的水军团体瞄准了电商平台的评论,试图通过虚假的评论来影响消费者的判断,达到提高或降低目标商品销量的目的。由于这种行为严重危害了电商平台的真实性和公平性,各大平台都在虚假评论检测方面做出了很多的工作,以避免虚假评论行为对正常消费秩序的破坏。许多专家学者也提出了一些解决方案来降低虚假评论的危害,并在一定程度上取得了效果。但随着虚假评论用户逐渐转向有组织的虚假评论群组,许多检测方法都不能很好地识别虚假群组。针对这一问题,本文对虚假评论群组进行了深入研究并提出了两种解决方案。首先,采用对大量的用户关系进行挖掘的方法,发现用户之间的关联,进而发现候选群组。对于每一个项目,都构建一个与该项目对应用户关系图,构成用户关系图组。通过对用户关系图组中的关联强度进行挖掘,发现支持度较高子图中的用户作为候选群组,最终对候选群组的关联关系及紧密度进行排序发现虚假评论群组及用户。此外,通过对用户的行为进行分析,研究用户关联构建以及图的局部拓展群组划分方法。在构建的用户关系无向图的基础上,通过对用户之间的关联进行定量... 

【文章来源】：燕山大学河北省

【文章页数】：59 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
        1.2.1 传统虚假评论用户检测方法
        1.2.2 基于机器学习的虚假评论群组检测方法
        1.2.3 基于图模型的虚假评论群组检测方法
    1.3 本文的主要研究内容
    1.4 本文的组织结构
第2章 相关理论及技术简介
    2.1 虚假评论概述
    2.2 图论相关理论
        2.2.1 图的基本概念
        2.2.2 无向图的连通性及遍历
        2.2.3 无向图与群组的联系
    2.3 图的关联挖掘相关简介
        2.3.1 图的割点查找方法
        2.3.2 图的模块度
        2.3.3 频繁子图挖掘
    2.4 本章小结
第3章 频繁子图挖掘虚假群组检测算法
    3.1 频繁子图挖掘虚假群组检测算法框架图
    3.2 构建用户关系图组
    3.3 重合候选群组发现
        3.3.1 频繁子图发现顺序序列
        3.3.2 候选群组发现
        3.3.3 候选群组发现算法
    3.4 虚假群组判断
    3.5 本章小结
第4章 基于图局部拓展的虚假群组检测算法
    4.1 局部拓展虚假群组发现框架图
    4.2 构建用户关系图
    4.3 候选群组发现
        4.3.1 核心拓展思想
        4.3.2 局域模块度最大思想
        4.3.3 候选群组发现算法
    4.4 虚假评论群组检测特征及虚假评论群组的发现
    4.5 本章小结
第5章 实验验证与分析
    5.1 实验数据集及设置
        5.1.1 实验数据
        5.1.2 实验评价指标
        5.1.3 实验环境
        5.1.4对比实验
    5.2 频繁子图挖掘虚假群组检测算法实验对比及分析
        5.2.1 Amazon数据集实验结果及分析
        5.2.2 实验参数选取说明
    5.3 基于图的局部拓展虚假评论群组检测算法实验对比及分析
        5.3.1 Amazon数据集实验结果及分析
        5.3.2 Yelp数据集实验结果及分析
        5.3.3 实验参数的选取及运行效率分析
    5.4 本章小结
结论
参考文献
攻读硕士学位期间承担的科研任务与主要成果
致谢


【参考文献】：
期刊论文
[1]垃圾商品评论检测研究综述[J]. 张圣,伍星,邹东升.  计算机工程与科学. 2018(11)
[2]虚假评论检测研究综述[J]. 李璐旸,秦兵,刘挺.  计算机学报. 2018(04)
[3]基于个人–群体–商户关系模型的虚假评论识别研究[J]. 余传明,冯博琳,左宇恒,陈百云,安璐.  北京大学学报(自然科学版). 2017(02)
[4]利用加权用户关系图的谱分析探测大规模电子商务水军团体[J]. 韩忠明,杨珂,谭旭升.  计算机学报. 2017(04)
[5]在线商品虚假评论形成路径研究[J]. 陈燕方,娄策群.  现代情报. 2015(01)
[6]网络水军识别研究[J]. 莫倩,杨珂.  软件学报. 2014(07)
[7]数据结构中图的遍历算法[J]. 余云,邬奇梅.  电脑知识与技术. 2008(17)



本文编号：3105983