基于DBN模型的电子商务虚假评论识别

基于DBN模型的电子商务虚假评论识别

ID:17854246

大小:2.70 MB

页数:87页

时间:2018-09-07

基于DBN模型的电子商务虚假评论识别_第1页
基于DBN模型的电子商务虚假评论识别_第2页
基于DBN模型的电子商务虚假评论识别_第3页
基于DBN模型的电子商务虚假评论识别_第4页
基于DBN模型的电子商务虚假评论识别_第5页
资源描述:

《基于DBN模型的电子商务虚假评论识别》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、133610378分类号:F7.学校代码:密级:j傲射铉表f?ANHUIUNIVERSITYOFFINANCE&ECONOMICS硕士学位论文基于DBN模型的电子商务虚假评论识别作者姓名:唐义杰学号:3201603351学位类别:专业硕士学科专业:应用统计-研究方向:经济统计导师姓名及职称:李超副教授二?—八年六月Schoolcode:10378Security:Classification:F713.36Theidentificationofelectroniccommercefalsecommentsb

2、asedonDBNmodelStudentID:3201603351Name:TangYijieDegreecategory:ProfessionalMasterTheprofessionalname:AppliedStatisticsResearchdirection:MacroeconomicStatisticsTutor’sname:LiChaoJune,2018学位论文独创性声明本人郑重声明:本人所呈交的学位论文,是在导师的指导下,独立进行研究所取得的成果。除文中己经注明引用的内容外,本论文不含任何其他个人或集体己经发表或撰写的作品,也不包含为获得安徽财经大学或其他教

3、育机构的学位或证书所使用过的材料。对本文的研宂做出重要贡献的个人和集体,均己在文中标明并表示了谢意。本声明的法律后果由本人承担。论文作者(签名):月’曰U束I7f学位论文使用授权书本论文作者完全了解学校关于保存、使用学位论文的管理办法及规定,即学校有权保留并向国家有关部门或机构送交论文的复印件和电子版,允许论文被查阅和借阅。本人授权安徽财经大学可以将本学位论文的全部或部分内容编入学校有关数据库和授权学校研究生处与中国知网和万方数据签订收录协议及收录并由作者本人享有、承担相应。的权利和义务,也可以采用影印、缩印或扫描等复制手段保存或汇编本学位论文

4、注:保密学位论文,在解密后适用于本授权书。作者签名年月曰/純<|基于DBN模型的电子商务虚假评论识别摘要近年来随着我国电子商务产业的快速发展,人们对于网上购物的依赖程度也越来越大。年轻消费者对于消费的习惯和认识早已不再是单纯的线下购物,现如今线上购物已经成为大多数年轻人购物的首选方式,他们享受着这种便捷的购物体验。然而,我国现阶段电子商务市场发展仍存在一些严重的问题,如由于电子商务市场本身的特点导致其进入门槛低,大量商铺良莠不齐;店家与消费者信息不对称导致的交易争端亦屡有发生;交易过程的时间空间相隔绝导致信息获取不全面;物流和商流隔绝导致整个交易涉及多个行业利于舞弊等。当前,与我

5、国电子商务蓬勃发展相对应的是与之相匹配的网络交易诚信体制并未完全建立和完善。这就导致了一些不法商家利用电子商务市场的这一特点大量刷单,从而提高自己的店铺信用分和自己商品的销售量的行为发生。这些虚假信息严重影响了人们的购买决策,给社会和市场带来的是极其恶劣的影响。虚假交易特别是虚假好评的识别有利于消费者个人提高自我识别能力,节约成本;有利于维护和规范化电子商务行业健康发展。本文在对国内外一系列网络交易虚假评论识别研究成果的整理和梳理的基础上,分析了商家刷单从产生到具体实施的整个过程和交易特点。并依据这些特点,首先利用分布式爬虫技术获取的大量产品评论,并就手中预先掌握的部分刷客信息作对比;其

6、次从大量商品评论中挖掘出刷单数据并对数据集进行了标注;然后以产品评论的特征集作为切入点,使用了基于深度学习的深度置信网络算法分析和识别电商交易结果即商品评论的可信程度;最后通过验证模型的准确性并对比其他浅层机器学习算法,发现深度置信网络对于评论数据的识别准确率显著高于其他浅层机器学习算法,并根据模型识别的结果分析了正常消费者的评论特征。本文的主要贡献在于:(1)以商品评论数据为突破口,挖掘消费者商品评论的语言特征。以评论数据作为突破口,可以有效刻画消费者评论数据的语言特点,并期望从中发现正常消费者在评论商品时的语言特征。(2)基于深度置信网络算法,能够有效识别电子商务虚假评论。以往研究多

7、使用计算机模拟虚假评论的发生,本文使用了基于python的爬虫技术获取海量真实用户评论数据,并运用深度置信网络算法识别刷单评论。关键词:虚假评论;爬虫技术;情感分析;深度置信网络1基于DBN模型的电子商务虚假评论识别ABSTRACTInrecentyears,withtherapiddevelopmentofChina'se-commerceindustry,people'sdependenceononlineshoppingisa

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。