資源描述：
《基于半監(jiān)督學(xué)習(xí)的虛假評論識別研究》由會員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、學(xué)校代碼：10327學(xué)號：11120150560碩士學(xué)位論文基于半監(jiān)督學(xué)習(xí)的虛假評論識別研究學(xué)院：管理科學(xué)與工程學(xué)院院專業(yè)：管理科學(xué)與工程專業(yè)業(yè)研究方向：信息管理與信息系統(tǒng)統(tǒng)姓名：王夢華華指導(dǎo)教師：劉軍軍完成日期：2018年4月軍答辯日期：2018年6月軍RESEARCHONFAKEREVIEWSBASEDONSEMI-SUPERVISEDLEARNINGADissertationSubmittedtoNanjingUniversityofFinanceandEconomicsFortheAcademicDegreeofMasterofMana
2、gementBYWangMenghuaSupervisedby(Associate)ProfessorLiuJunSchoolofManagementScienceandEngineeringNanjingUniversityofFinanceandEconomicsJune2018學(xué)位論文獨創(chuàng)性聲明本論文是我個人在導(dǎo)師指導(dǎo)下進(jìn)行的研究工作及取得的研究成果。論文中除了特別加以標(biāo)注和致謝的地方外，不包含其他人或其它機(jī)構(gòu)已經(jīng)發(fā)表或撰寫過的研究成果。其他同志對本研究的啟發(fā)和所做的貢獻(xiàn)均已在論文中作了明確的聲明并表示了謝意。作者簽名：日期：2018學(xué)位
3、論文使用授權(quán)聲明本人完全了解南京財經(jīng)大學(xué)有關(guān)保留、使用學(xué)位論文的規(guī)定，即：學(xué)校有權(quán)保留送交論文的復(fù)印件，允許論文被查閱和借閱；學(xué)校可以公布論文的全部或部分內(nèi)容，可以采用影印、縮印或其它復(fù)制手段保存論文。保密的論文在解密后遵守此規(guī)定。作者簽名：導(dǎo)師簽名：日期：018摘要近年來，隨著網(wǎng)絡(luò)購物的發(fā)展，消費(fèi)者逐漸由傳統(tǒng)的線下購物轉(zhuǎn)向更便捷的線上購物，且養(yǎng)成了對已購買商品發(fā)布評論的習(xí)慣。電子商務(wù)平臺上逐漸積累了大量的在線商品評論，這些評論信息為商家，潛在消費(fèi)者和研究者們提供了珍貴的數(shù)據(jù)資源。由于在線評論信息可以在某種程度上影響消費(fèi)者的購物決策，進(jìn)而影響產(chǎn)
4、品銷量，因此在商品評論中逐漸出現(xiàn)了一些不真實的內(nèi)容。這些虛假評論迷惑了消費(fèi)者，降低了在線評論的參考價值，擾亂了正常的電商秩序，因此識別虛假評論顯得尤為重要。在線商品評論是最具有代表意義的評論信息，是虛假評論識別問題的理想數(shù)據(jù)源，也是本文使用的數(shù)據(jù)集。本文對虛假評論識別技術(shù)和半監(jiān)督學(xué)習(xí)方法進(jìn)行了研究與分析，首先介紹了虛假評論識別問題的研究現(xiàn)狀和發(fā)展趨勢，然后介紹了半監(jiān)督學(xué)習(xí)原理及其分類方法，最后將基于分歧的半監(jiān)督學(xué)習(xí)領(lǐng)域的三個主流算法：協(xié)同訓(xùn)練（Co-Training）算法，三體訓(xùn)練法（Tri-Training）算法和協(xié)同隨機(jī)森林（Co-Fore
5、st）算法應(yīng)用到了虛假評論識別任務(wù)中，提出了基于半監(jiān)督學(xué)習(xí)的虛假評論識別模型。本文圍繞在線商品評論數(shù)據(jù)，基于分歧的半監(jiān)督學(xué)習(xí)，虛假評論識別問題等關(guān)鍵問題展開研究，主要的研究工作如下：（1）提出了一種基于分歧的半監(jiān)督學(xué)習(xí)方法來實現(xiàn)虛假評論的檢測任務(wù)。根據(jù)虛假評論數(shù)據(jù)集中未標(biāo)注數(shù)據(jù)多，已標(biāo)注數(shù)據(jù)少的特點，本文借助了基于分歧的半監(jiān)督學(xué)習(xí)思想，使用該領(lǐng)域的三個主流算法，循環(huán)迭代訓(xùn)練多個分類器，充分利用未標(biāo)注數(shù)據(jù)擴(kuò)充已標(biāo)注訓(xùn)練集，然后使用訓(xùn)練集更新分類模型，改善模型效果。最后在亞馬遜評論數(shù)據(jù)上進(jìn)行了實驗，結(jié)果表明了基于分歧的半監(jiān)督學(xué)習(xí)算法對虛假評論有著更
6、好的識別效果。（2）在特征提取階段，本文結(jié)合了評論的主題以及文本信息，依據(jù)對評論數(shù)據(jù)集的統(tǒng)計分析得出的規(guī)律，從評論文本、評論者和被評論產(chǎn)品3個角度出發(fā)，分析并提取了3大類22個維度的混合特征。最后，基于不同的特征組合，使用三種全監(jiān)督學(xué)習(xí)算法：樸素貝葉斯，最大熵分類器和支持向量機(jī)分類器，檢測了不同特征組合在不同分類器下的識別效果。結(jié)果顯示，混合特征預(yù)測效果更好，且樸素貝葉斯分類器獲得了最好的識別效果，并將其應(yīng)用到了后續(xù)的虛假評論識別模型中。關(guān)鍵詞：半監(jiān)督學(xué)習(xí)；虛假評論識別；協(xié)同訓(xùn)練；三體訓(xùn)練法；協(xié)同隨機(jī)森林IABSTRACTWiththedeve
7、lopmentofonlineshopping,consumershavegraduallyshiftedfromtraditionalofflineshoppingtomoreconvenientonlineshopping,andtheyhavegotusedtocommentingonpurchasedproducts.Thee-commerceplatformhasgraduallyaccumulatedonlineproductreviews,whichprovidevaluabledataresourcesforbusinesses
8、,potentialconsumersandresearchers.Becausetheonlinereviewinformationcaninflu
