基于DDAG-SVM的在线商品评论可信度预测研究的开题报告.docx

基于DDAG-SVM的在线商品评论可信度预测研究的开题报告
一、选题背景及意义
随着电子商务的发展，越来越多的人选择在网上购买商品，而商品的评论成为了消费者评价商品质量和购买决策的重要依据。但是，网上的评论信息质量良莠不齐，存在一些虚假和不实的评论，这给消费者带来了很大的困扰。因此，对于评论的可信度的预测就成为了一个重要的问题。
本研究将基于DDAG-SVM方法进行在线商品评论可信度的预测。DDAG-SVM是著名的分类器，它在分类性能和实现效率上都较高。通过基于DDAG-SVM的算法对商品评论进行预测，可以为消费者提供评价商品评论的真实性和可信度的依据，从而促进了网上购物市场的良性发展。
二、研究内容及方法
1.研究内容
本研究将重点研究以下内容：
（1）基于DDAG-SVM方法对商品评论可信度进行预测；
（2）构建适当的特征集，对商品评论进行特征提取；
（3）评测和分析商品评论可信度预测的性能，包括预测准确率、召回率和F1值等。
2.研究方法
本研究首先从已有的数据集中选择适当的数据集。然后通过文本挖掘技术对商品评论进行特征提取，包括文本分类、关键词提取、情感分析等。接着，采用DDAG-SVM方法对评论进行可信度预测。最后，通过实验对算法进行评测和分析。
三、研究计划及进度安排
1.研究计划
（1）文献调研阶段：2021年6月至2021年7月
针对文本分类、特征提取、机器学习等方面的相关文献进行调研，了解目前相关领域的最新研究进展和成果。
（2）数据集收集及处理阶段：2021年8月至2021年9月
从公共数据集或者特定电商网站爬取评论数据，并对数据进行预处理，包括数据清洗、数据归一化等。
（3）特征提取及可信度预测阶段：2021年10月至2022年1月
采用文本挖掘技术进行特征提取，构建合适的特征集，然后使用DDAG-SVM对评论进行可信度预测。
（4）评测和分析阶段：2022年2月至2022年4月
对上述算法进行评测和分析，包括预测准确率、召回率、F1值等指标的评估。
（5）论文撰写及答辩阶段：2022年5月至2022年6月
完成论文撰写及答辩。
2.进度安排
（1）文献调研阶段已完成。
（2）数据集收集及处理阶段正在进行。
（3）特征提取及可信度预测阶段计划于2021年10月开始。
（4）评测和分析阶段计划于2022年2月开始。
（5）论文撰写及答辩阶段计划于2022年5月开始。
四、预期成果及创新点
1.预期成果
本研究的预期成果包括：
（1）基于DDAG-SVM方法的在线商品评论可信度预测算法；
（2）商品评论特征集和数据集；
（3）商品评论可信度预测模型的性能评测结果。
2.创新点
本研究的创新点包括：
（1）采用基于DDAG-SVM的分类器进行商品评论可信度预测；
（2）构建适当的特征集，进行评论可信度预测；
（3）对商品评论可信度预测的性能进行了综合评测。
五、参考文献
[1]徐建强,魏彦林,鲁道成.基于在线商品评论的可信度计算方法[J].计算机应用,2017,37(7):1892-1896.
[2]张慧倩,张良斌.基于SVM的在线商品评论可信度预测[J].科技视界,2019(6):72-73.
[3]张姝妃,张志昂.基于文本情感分析的商品评论可信度计算方法[J].计算机与数字工程,2018,46(6):1130-1134.
[4]鲁道成,王静.基于可信度的在线购物评论过滤算法[J].计算机工程与应用,2016,52(21):208-213.