基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
针对现有虚假评论检测方法未充分利用用户历史行为中蕴含的动态信息,首先利用时序分析模型从这些动态信息中挖掘能够刻画用户行为的动态特征;其次,融合这些动态特征与用户层面静态特征发现可疑用户,并将用户可疑概率传播至用户所发表评论得到评论可疑概率;最后,融合评论可疑概率与评论层面静态特征形成融合特征,使用PU-Leaming分类策略实现虚假评论的检测.真实数据集上的实验表明,本文方法的性能优于现有方法.
推荐文章
基于情感极性与SMOTE过采样的虚假评论识别方法
虚假评论
情感极性
用户行为
逻辑回归
随机森林
基于DCA算法的微博虚假信息检测
微博
虚假信息
人工免疫
危险理论
树突状细胞算法
融合情感极性与信任函数的虚假评论检测方法
虚假评论
情感极性
信任函数
虚假评论检测
基于自适应聚类的虚假评论检测
虚假评论
自适应聚类
异常簇
F统计量
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于融合特征的虚假评论检测方法
来源期刊 信息工程大学学报 学科 工学
关键词 时序分析 动态特征 融合特征 虚假评论 PU-Learning
年,卷(期) 2016,(4) 所属期刊栏目 计算机技术及应用
研究方向 页码范围 504-508,512
页数 6页 分类号 TP391.4
字数 4776字 语种 中文
DOI 10.3969/j.issn.1671-0673.2016.04.022
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 于洪涛 44 339 10.0 16.0
2 崔瑞飞 5 55 3.0 5.0
3 张考 3 5 1.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (1)
节点文献
引证文献  (3)
同被引文献  (9)
二级引证文献  (0)
2014(1)
  • 参考文献(1)
  • 二级参考文献(0)
2016(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2018(3)
  • 引证文献(3)
  • 二级引证文献(0)
研究主题发展历程
节点文献
时序分析
动态特征
融合特征
虚假评论
PU-Learning
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
信息工程大学学报
双月刊
1671-0673
41-1196/N
大16开
郑州市科学大道62号
2000
chi
出版文献量(篇)
2792
总下载数(次)
2
总被引数(次)
9088
论文1v1指导