基于标签传播的虚假评论群组检测算法研究

发布时间：2021-04-19 19:49

　　在线产品评论在消费者的购买决策中起着至关重要的作用,较多的好评能为商家带来可观的收益,消费者对评论信息的依赖催化了虚假评论源源不断的产生。为了扩大虚假信息的影响,虚假评论发布者经常合作一起鼓吹或诽谤目标产品,这样的团体称为虚假评论群组。虚假评论群组的隐藏性较高更难以检测,且对消费者购买倾向产生更大的影响。本文针对已有虚假评论群组检测方法检测精度较低且不能体现不同指标差异性的问题,做了一些有效的研究。首先,依据评论时间关联和评分关联,提出一种基于核心图的标签传播虚假评论群组检测算法。该算法先提取时间及评分关联,构建评论者关系图;然后,在评论者关系图上,发现核心图,再利用加入传播强度及自动过滤机制的标签传播规则去发现候选群组;最后利用多个虚假评论群组检测指标,得到每个候选群组的可疑分数,对候选群组进行排序,从而识别虚假评论群组。其次,为了解决之前检测方法在涉及多个检测指标时取多指标平均值作为群组可疑度不能体现不同指标差异性的问题,提出一种基于指标权重度量的标签传播虚假评论群组检测算法。本算法将利用上述标签传播思想得到候选群组;之后对候选群组进行排序时,融合两种确定多指标权重的方法即熵值法和... 

【文章来源】：燕山大学河北省

【文章页数】：68 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 虚假评论者的检测
        1.2.2 基于群组内容及行为分析的虚假评论群组检测
        1.2.3 结合群组结构分析的虚假评论群组检测
    1.3 主要研究内容
    1.4 本文的组织结构
第2章 相关理论与技术简介
    2.1 虚假评论简介
    2.2 标签传播算法
        2.2.1 LPA算法思想
        2.2.2 COPRA算法思想
    2.3 确定多指标权重的方法
        2.3.1 熵值法
        2.3.2 层次分析法
    2.4 本章小结
第3章 基于核心图的标签传播虚假评论群组检测算法
    3.1 引言
    3.2 基于核心图的标签传播虚假评论群组检测框架
    3.3 用户关系图建立
    3.4 候选虚假评论群组确定
        3.4.1 核心图的提取
        3.4.2 标签传播规则的改进
        3.4.3 基于标签传播确定虚假评论群组候选组
    3.5 虚假评论群组检测
    3.6 本章小结
第4章 基于指标权重度量的标签传播虚假评论群组检测算法
    4.1 引言
    4.2 基于指标权重度量的标签传播虚假评论群组检测框架
    4.3 虚假评论群组检测指标
    4.4 融合熵值法与层次分析法的指标权重度量算法
        4.4.1 基于熵值法计算熵权
        4.4.2 基于层次分析法计算权重向量
        4.4.3 指标权重度量算法
    4.5 本章小结
第5章 实验结果及分析
    5.1 实验数据与环境配置
        5.1.1 实验数据
        5.1.2 实验环境
        5.1.3 对比基准
        5.1.4 评价指标
    5.2 基于核心图的标签传播虚假评论群组检测算法实验对比及分析
        5.2.1 实验参数取选取分析
        5.2.2 实验对比结果及分析
    5.3 基于指标权重度量的标签传播虚假评论群组检测算法实验对比及分析
        5.3.1 实验参数选取分析
        5.3.2 实验对比结果及分析
        5.3.3 本文两种方法实验结果对比分析
    5.4 运行时间对比及分析
    5.5 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]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)
[2]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)
[3]基于稠密子图的社区发现算法[J]. 郑文萍,张浩杰,王杰.  智能系统学报. 2016(03)
[4]标签传播算法理论及其应用研究综述[J]. 张俊丽,常艳丽,师文.  计算机应用研究. 2013(01)
[5]层次分析法权重计算方法分析及其应用研究[J]. 邓雪,李家铭,曾浩健,陈俊羊,赵俊峰.  数学的实践与认识. 2012(07)
[6]从链接密度遍历序列中挖掘网络社团的层次结构[J]. 黄健斌,孙鹤立,Dustin BORTNER,刘亚光.  软件学报. 2011(05)
[7]熵值赋权法的改进[J]. 孙利娟,邢小军,周德群.  统计与决策. 2010(21)



本文编号：3148194