基于半监督学习的虚假评论识别研究

目录

第一个书签之前

1.1研究背景及研究意义

1.1.1 研究背景

1.1.2 研究意义

1.2国内外研究现状

1.2.1 虚假评论识别研究现状

1.2.2 半监督学习研究现状

1.2.3 小结

1.3 研究内容和创新点

1.3.1 研究内容

1.3.2 技术路线和创新点

2.1虚假评论识别相关理论

2.1.1 虚假评论介绍

2.1.2 虚假评论识别方法

2.2半监督学习相关理论

2.2.1半监督学习原理

2.2.2半监督学习分类

2.3 本章小结

3.1 数据描述

3.1.1 获取源数据

3.1.2 分布分析

3.2 训练集构建

3.2.1 重复评论

3.2.2 数据标注

3.3 特征构建

3.3.1 特征概述

3.3.2 特征集合

3.4 本章小结

4.1 基于Co-Training算法的虚假评论识别模型

4.1.1 Co-Training算法

4.1.2 基于Co-Training算法的虚假评论识别算法

4.2 基于Tri-Training算法的虚假评论识别模型

4.2.1 Tri-Training算法

4.2.2 基于Tri-Training算法的虚假评论识别算法

4.3 基于Co-Forest算法的虚假评论识别模型

4.3.1 Co-Forest算法

4.3.2 基于Co-Forest算法的虚假评论识别模型

4.4 本章小结

5.1 实验平台与评价指标

5.2 基于全监督框架的最优特征选择

5.2.1 全监督框架

5.2.2 特征实验结果

5.3 基于半监督学习的虚假评论识别模型实验结果分析

5.3.1 基于不同半监督学习算法的实验设计与结果分析

5.3.2 标注数据比例和参数敏感性的实验结果分析

5.4 本章小结

6.1 研究结论

6.2 研究展望