基于電商評論的網(wǎng)絡(luò)水軍識別.pdf

1、隨著時(shí)代的發(fā)展，電子商務(wù)已成為人們生活中的重要組成部分。如何在眾多的商品中挑選出適合自己的也成為新時(shí)代人們遇到的常見問題，參照已購買者的評論去挑選商品不失為一種好辦法。但隨之而來的就是一些不法商家雇傭網(wǎng)絡(luò)水軍去為商品刷好評，使消費(fèi)者不能很好地做出判斷。為了更好的識別網(wǎng)絡(luò)水軍，為消費(fèi)者購物提供方便，本文提出了新型的網(wǎng)絡(luò)水軍識別模型，該模型由數(shù)據(jù)采集和數(shù)據(jù)分析兩個(gè)主要部分組成。數(shù)據(jù)采集部分本文提出跨電商的評論采集方案，數(shù)據(jù)分析部分本文應(yīng)用文

2、本與行為相結(jié)合的方式進(jìn)行網(wǎng)絡(luò)水軍識別。
　　綜上，本文的主要工作如下:
　　(1)本文提出跨電商網(wǎng)站的數(shù)據(jù)采集方式，形成了全面的方便研究的標(biāo)準(zhǔn)數(shù)據(jù)集合。電商領(lǐng)域的網(wǎng)絡(luò)水軍大部分受雇于平臺商家，通過跨平臺的數(shù)據(jù)采集，可以更好的發(fā)現(xiàn)隱藏較深的網(wǎng)絡(luò)水軍。
　　(2)文本分類方面，區(qū)別于傳統(tǒng)文本語料庫，電商評論數(shù)據(jù)具有數(shù)據(jù)量大、單條評論短的特點(diǎn)，傳統(tǒng)的分類算法并不能很好地進(jìn)行識別。因此本文采用LDA主題模型，該模型是對語義進(jìn)行

3、識別，并對語義進(jìn)行聚類，生成文本的主題模型。本文應(yīng)用LDA模型為每一件商品確定評論主題，認(rèn)為與主題偏離較大評論是網(wǎng)絡(luò)水軍的概率也就越大。
　　(3)用戶行為方面，本文首先形式化定義了電商評論的行為了模型，并針對網(wǎng)絡(luò)水軍的行為特點(diǎn)，提出了5種可能是網(wǎng)絡(luò)水軍的行為，包括同一商品發(fā)表多次評論、同一商品組發(fā)表多次評論、發(fā)表早期評論、對商品評分過高或過低、評論的回復(fù)較少。對每條評論都計(jì)算5種行為出現(xiàn)的得分，通過得分來判斷用戶是網(wǎng)絡(luò)水軍的概率