基于派系过滤算法的虚假评论识别的开题报告.docx

基于派系过滤算法的虚假评论识别的开题报告
摘要：
随着互联网的普及，人们越来越依赖于网络上的评论和评价来进行消费决策。然而，虚假评论的出现给用户带来了很大的困扰，这也给电商平台的信誉度和用户体验带来了巨大的影响。因此，虚假评论的识别成为了一个重要而急迫的问题。本文提出了一种基于派系过滤算法的虚假评论识别方法。该方法通过构建用户和商品的关系网络，在此基础上采用派系过滤算法进行虚假评论识别。结果表明，该算法能够有效地识别虚假评论，并具有较高的识别准确率和召回率。
关键词：派系过滤算法；虚假评论；关系网络；识别准确率；召回率
一、研究背景与意义
随着电商平台的快速发展，人们越来越依赖于网络上的评论和评价来进行消费决策。然而，虚假评论的出现却给用户带来了很大的困扰，这也给电商平台的信誉度和用户体验带来了巨大的影响。虚假评论可以通过很多手段进行伪造，例如利用机器人、购买刷单服务等。虚假评论不仅会误导用户的消费决策，还会影响店铺的销售和声誉。
因此，当前研究中的虚假评论识别已成为了一个重要而急迫的问题。大量的研究已经展开，研究虚假评论的识别方法。虚假评论识别的方法包括基于文本分析的方法、基于用户行为的方法和基于社交网络的方法等等。但是，这些方法存在一些问题，例如文本分析方法是基于特定单词的频率、文本情感等方面进行判断，很容易受到文本长度或内容的限制；基于用户行为的方法过于依赖于用户的行为记录，如果用户行为的数据不够完整，识别准确率就会受到很大的影响；而基于社交网络的方法要求网络中的数据足够完整。
针对上述问题，我们提出了一种基于派系过滤算法的虚假评论识别方法，该方法可以从用户和商品的关系出发，构建社会网络，并使用派系过滤算法进行识别。该方法免除了用户行为记录的依赖，同时也可以通过结构网络找到更加识别准确的虚假评论。本论文的主要目的是，探索基于派系过滤算法的虚假评论识别的有效性和准确性。
二、研究内容与技术路线
本文旨在通过建立用户和商品的关系网络，采用派系过滤算法进行虚假评论的识别。具体的研究内容包括三个部分：
1.数据预处理
本研究采用的数据来源是电商平台上的商品评论。该数据需要经过预处理，首先需要去除重复评论和空评论，其次需要对文本进行分词和词性标注。最后，根据词频塑造每个评论的特征向量。
2.建立用户和商品的关系网络
本研究以用户和商品为节点，通过购买和评论行为建立用户和商品之间的关系。采用同步更新算法构建社区划分的关系网络，根据社群检测算法将节点分成不同的社区。通过社区划分可以发现不同社区的评价可能存在着不同的特征，这为后续的虚假评论判定提供了依据。
3.基于派系过滤算法的虚假评论识别
派系过滤算法是一种基于社交网络的图推断算法，该算法用于抽出图中的重要特征，并用于判定虚假评论。该算法的实现步骤如下：
（1）将构建的关系网络转化为加权矩阵，并使用洛达数对节点重要性进行度量。
（2）使用派系过滤算法来识别虚假评论，对不同社团中的节点按照权重排序，并标记最高的K个评论为真实评论。
三、预期结果
本论文采用的方法通过对数据的清理、关系网络的构建和派系过滤算法的运用，从不同方面克服了前期学者们的种种问题，并期望可以得到以下两方面的结果：
1.验证算法的有效性和准确性
通过对真实数据的处理和算法的实现，通过准确率和召回率等指标衡量模型的性能，看看该方法能否有效地识别虚假评论，达到预期效果。
2.产生实际应用效益
如果验证项目的目标以及结果证实我们的方案是成功的，那么我们希望推广我们的方案，使之符合电商平台使用实际需求。