基于Web質(zhì)量模型特征模型的垃圾評論特征分析與檢測.pdf

1、電子商務(wù)的快速發(fā)展使得在線購物變得普及，商品評論作為最重要的用戶反饋，其數(shù)量正呈現(xiàn)爆炸性增長?；诠叫砸约按碳び脩舻幕有裕娮由虅?wù)平臺大多會公開商品的評論，這使得該類型的用戶反饋不僅能指導(dǎo)商家改進(jìn)服務(wù)和產(chǎn)品質(zhì)量，也能為其他用戶的購買決策提供參考。好評率高的商品能吸引更多的購買量，反之則會嚴(yán)重影響銷量。基于此，商品評論成為了商家爭奪的戰(zhàn)場，一些無良商家會通過給自家商品“刷好評”或者給競爭對手的商品“刷差評”的方式誤導(dǎo)消費(fèi)者，導(dǎo)致不正當(dāng)

2、競爭。
　　本文分析了真實(shí)和垃圾評論的異同，基于WebQM模型分析垃圾評論的多維度特征，從評論源維度，評論內(nèi)容維度，以及評論表達(dá)維度捕捉垃圾評論的具有高區(qū)分度的特點(diǎn)。通過應(yīng)用或改進(jìn)兩類分類算法，實(shí)現(xiàn)垃圾評論檢測，取得了較好的檢測效果。
　　本文采用了兩個真實(shí)的商品評論數(shù)據(jù)集。針對已標(biāo)注的黃金標(biāo)準(zhǔn)數(shù)據(jù)集，本文從評論內(nèi)容、評論表達(dá)兩個維度對垃圾評論與真實(shí)評論的不同點(diǎn)進(jìn)行分析了并提取特征，改進(jìn)了傳統(tǒng)的PU學(xué)習(xí)算法，應(yīng)用于垃圾評論檢

3、測實(shí)驗(yàn)。通過比較不同算法的檢測性能，驗(yàn)證改進(jìn)型PU學(xué)習(xí)算法在垃圾評論檢測中具有優(yōu)勢，實(shí)現(xiàn)了86％的F1值。針對未標(biāo)注的亞馬遜數(shù)據(jù)集，本文首先進(jìn)行Simhash標(biāo)注并構(gòu)建了容量為3000條的實(shí)驗(yàn)樣本集，通過對數(shù)據(jù)集中各屬性數(shù)據(jù)特點(diǎn)分析，提取了評論源維度特征，同時(shí)基于亞馬遜數(shù)據(jù)的特點(diǎn)擴(kuò)充了評論內(nèi)容及評論表達(dá)特征。在此基礎(chǔ)上，本文對數(shù)據(jù)集不平衡問題進(jìn)行處理，將GBDT梯度提升決策樹算法應(yīng)用至亞馬遜數(shù)據(jù)集垃圾評論檢測，并與其它算法進(jìn)行了效果對比