基于二部图投影的虚假评论人群组检测算法研究

摘要

随着互联网的急速发展，大多数消费者在决定购买某一产品前会阅读和依赖此产品的评论信息，因此网上产品的评论信息在电商网站中占有举足轻重的地位。为了利润与名誉，许多组织或个人会故意发表一些虚假评论去吹捧或诋毁目标产品，如果一个经过组织的集体共同对目标产品发表虚假评论，将会带来非常大的影响，它可从总体上控制目标产品的总评论趋势，从而给消费者提供一个错误导向，使消费者的权益受到伤害。为了检测此类虚假评论人群组，目前对于虚假评论人群组检测大都集中于使用基于频繁项集挖掘(FIM)算法生成虚假评论人候选群组，然而此算法只能检测出紧密耦合的群组，即群组内的任一评论人必须评论过群组内全部目标产品。
　　本文中提出了一种检测松散虚假评论人群组的方法。所谓松散虚假评论人群组，即群组内任一评论人不需要必须评论群组内全部目标产品。本文使用二部图投影的方法解决此问题，同时本文提出一系列虚假评论人群组检测指标用来计算松散虚假评论人候选群组的作弊度，设计了一种基于分治思想的新颖算法最终确定松散虚假评论人群组。
　　实验结果显示本文提出的方法不仅能够以极高的精度与召回率检测松散虚假评论人群组，并且还能生成比FIM方法更具有意义的虚假评论人候选群组，因而此方法还可以作为基于FIM的方法生成虚假评论人群组算法的预处理工具。

目录

封面

声明

中文摘要

英文摘要

目录

第1章 绪论

1.1 概述

1.2 主要研究方法

1.3 国内外研究现状及存在的问题

1.4 论文的研究内容与创新

1.5 论文的结构

第2章 数据集的获取及预处理

2.1 数据集的获取

2.2 数据集预处理

2.3 真实评论人数据格式分析

第3章 虚假评论人群组模型

3.1 相关工作介绍

3.2 评论数据集模型

3.3 基于评论数据集的二部图模型

3.4 松散虚假评论人群组定义

3.5 虚假评论人群组特征

第4章 虚假评论人群组检测算法

4.1 虚假评论人群组生成算法（GSBP）

4.2 虚假评论人候选群组生成算法

4.3 时间窗影响

第5章 实验及结果

5.1 实验数据集

5.2 人工评估

5.3 实验分析虚假评论人群组特征

5.4 算法性能

5.5 参数影响

5.6 与FIM算法比较

5.7 人工评估检测软件介绍

5.8 案例分析

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