基于電商評論的網(wǎng)絡(luò)水軍識別.pdf

1、隨著時代的發(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準數(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，傳統(tǒng)的分類算法并不能很好地進行識別。因此本文采用LDA主題模型，該模型是對語義進行

3、識別，并對語義進行聚類，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，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、評論的回復較少。對每條評論都計算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