基于马尔科夫随机场的虚假评论在线检测技术的研究

发布时间：2021-04-20 01:23

　　随着互联网科技的普及和迅速发展,电子商务平台在现实生活中的应用更加广泛,比如淘宝,京东,小红书等。随之,在线评论也成为越来越受人们欢迎的一种社交媒体,主要表现为消费者在购买商品时,会把该商品的历史评论记录当作一个重要的参考指标。每个卖家都努力提高他们产品的好评度来吸引更多的消费者。由于利益的驱使,一些商家可能会雇用一些人对其产品进行虚假评论,用来提高店铺的知名度和产品的好评度;一些商家可能会雇用一些人对同行的产品进行恶意打压,用来提高自己的竞争力。为了给每个消费者提供良好的购物环境,虚假评论检测工作逐渐成为维护电子商务平台以及在线购物网站正常运营的重要环节。本文提出了一种基于马尔科夫随机场的虚假评论在线检测方法。相对于以往的离线检测方法,在线检测的实时性更高,能够更加及时地捕捉到虚假评论,从而更加高效地应用在实际场景中。本实验内容主要包括:对获取到的数据集进行预处理,主要目的是方便实验过程中对数据的查找和编码过程中对数据的处理;利用评论之间的关系生成动态评论图,然后建模为马尔科夫随机场;利用LBP算法来求解该马尔科夫随机场。实验结果表明,本文提出的基于马尔科夫随机场的虚假评论在线检测方... 

【文章来源】：沈阳理工大学辽宁省

【文章页数】：58 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第1章 绪论
    1.1 概述
    1.2 现阶段主要研究方法
        1.2.1 虚假评论检测技术分类介绍
        1.2.2 国内外研究现状及存在问题
    1.3 论文的研究内容和创新
        1.3.1 研究内容
        1.3.2 主要创新
    1.4 论文的结构
第2章 相关理论模型
    2.1 马尔科夫随机场的基本概念
        2.1.1 概率图模型
        2.1.2 马尔科夫性
        2.1.3 马尔科夫随机场
        2.1.4 马尔科夫随机场的传统求解方式
    2.2 循环置信传播算法的基本概念
        2.2.1 信念传播和信念更新
        2.2.2 LBP算法的主要思想
        2.2.3 LBP算法的计算过程
    2.3 本章小结
第3章 虚假评论在线检测模型
    3.1 动态评论图
        3.1.1 滑动窗口的原理
        3.1.2 二部图的概念
        3.1.3 生成动态评论图
    3.2 建立马尔科夫随机场
    3.3 评论结点先验
    3.4 本章小节
第4章 虚假评论在线检测算法分析
    4.1 算法计算框架
    4.2 算法性能评价
        4.2.1 时间复杂度
        4.2.2 空间复杂度
    4.3 本章小节
第5章 实验及结果
    5.1 实验环境
    5.2 数据集的获取及预处理
        5.2.1 数据集的获取
        5.2.2 数据集预处理
        5.2.3 数据集的统计与分析
    5.3 评论数据集度量指标
    5.4 欺诈特征选择
    5.5 参数影响与结果分析
    5.6 本章小节
结论
参考文献
攻读硕士学位期间发表的论文和获得的科研成果
致谢



本文编号：3148699