基于用戶評價的垃圾評論檢測.pdf

1、社交網(wǎng)絡的發(fā)展拉近了人與人之間的距離，使得人們可以通過各種網(wǎng)站發(fā)布和評論信息，但是這些信息中有些是無用的垃圾評論。尤其是在電子商務領(lǐng)域，有很多用戶會發(fā)布無意義的商品評論信息。為了解決這一問題，本文將識別評論可信度作為出發(fā)點，通過自動提取網(wǎng)頁評論信息，實現(xiàn)了一個垃圾評論檢測系統(tǒng)。為了解決評論收集問題，系統(tǒng)采用了火狐插件來實現(xiàn)數(shù)據(jù)收集。為了得到較好的檢測效果，經(jīng)過科學分析和實例測試之后，項目采用機器學習的方法對垃圾評論進行檢測。本文研究內(nèi)容

2、有:
　　1.研究火狐瀏覽器擴展和插件的實現(xiàn)方法，根據(jù)系統(tǒng)實現(xiàn)需要判斷擴展和插件之間的差別，通過可行性分析結(jié)果設計了基于Add-on SDK的瀏覽器插件。插件通過分析淘寶網(wǎng)頁JavaScript元素，針對商品評論的各項屬性，使用了基于jQuery的評論信息查詢方法查找評論數(shù)據(jù)，并對收集到的數(shù)據(jù)進行預處理再保存到本地。
　　2.實現(xiàn)垃圾評論檢測的SVM、樸素貝葉斯和羅輯回歸方法，將它們應用到垃圾評論檢測中，將垃圾評論檢測轉(zhuǎn)化成

3、評論可信度的分類。根據(jù)收集的數(shù)據(jù)構(gòu)建用于可信度檢測實驗的評論數(shù)據(jù)樣本集。最后從評論數(shù)據(jù)中提取出可以作為可信度參考依據(jù)的評論屬性。
　　3.該部分對系統(tǒng)需求進行了分析，設計了系統(tǒng)各模塊功能關(guān)系，并以此為基礎，實現(xiàn)用于檢測垃圾評論的軟件系統(tǒng)。
　　4.通過實驗對比不同分類方法檢測結(jié)果的正確率，分析不同的訓練集規(guī)模對識別結(jié)果的影響，研究了不同評論屬性對評論可信度的影響。實驗結(jié)果證實SVM與樸素貝葉斯分類法在識別垃圾評論時都有著不錯

4、的準確性。SVM方法在訓練集不足的情況下依然可以得到不錯的結(jié)果，且不同的核函數(shù)也會影響結(jié)果的準確性，
　　本文以識別垃圾評論為目標，設計了電商網(wǎng)站中商品評論的可信度檢測系統(tǒng)。系統(tǒng)包含了火狐Add-on SDK開發(fā)的評論收集插件和Qt開發(fā)的評論分析工具，該工具分析評論時分別應用了SVM和樸素貝葉斯分類法以實現(xiàn)垃圾評論的檢測。實驗證明系統(tǒng)在評論信息收集和可信度識別上具有可行性，并有助于用戶加深對評論真實性的了解，避免了人工識別所需的龐