基于自适应聚类的虚假评论检测

被引：34

作者：

宋海霞 ^{[1
]}

严馨 ^{[1
]}

余正涛 ^{[1
]}

石林宾 ^{[1
]}

苏斐 ^{[2
]}

机构：

[1] 昆明理工大学信息工程与自动化学院

[2] 中国石油信息技术服务中心

来源：

南京大学学报(自然科学版) | 2013年 / 49卷 / 04期

关键词：

虚假评论; 自适应聚类; 异常簇; F统计量;

D O I：

10.13232/j.cnki.jnju.2013.04.005

中图分类号：

TP311.13 [];

学科分类号：

1201 ;

摘要：

借助评论者的行为特性,提出一种基于评论者行为特征的自适应聚类的虚假评论检测方法.首先,根据评论数据定义自身基本特征以及与其他评论之间的关联性特征,并对每维特征进行归一化处理;其次,根据每一条评论的特征构建聚类矩阵,利用F统计量对K均值算法进行改进,实现评论数据的自适应聚类;最后,计算每个簇偏离整个评论数据集的程度,根据阈值确定异常簇,从而实现虚假评论检测.利用领域评论数据进行实验,结果表明基于自适应聚类的虚假评论检测方法取得了较好的效果.

引用

页码：433 / 438

页数：6

共 7 条

[1] 垃圾评论自动过滤方法 [J].

谭文堂 ;

朱洪 ;

葛斌 ;

李芳芳 ;

肖卫东 .

国防科技大学学报, 2012, 34 (05) :153-157+168

[2] 最小最大模块化网络中基于聚类的数据划分方法研究 [J].

解晓敏 ;

李云 .

南京大学学报(自然科学版), 2012, 48 (02) :133-139

[3] 用户生成内容中的垃圾意见研究综述 [J].

杨风雷 ;

黎建辉 .

计算机应用研究, 2011, 28 (10) :3601-3605

[4] 文本情感分析 [J].

赵妍妍 ;

秦兵 ;

刘挺 .

软件学报, 2010, 21 (08) :1834-1848

[5]

基于改进模糊C均值的入侵检测算法及应用研究[D]. 邓青.辽宁工程技术大学 2011

[6] Identify Online Store Review Spammers via Social Review Graph [J].

Wang, Guan ;

Xie, Sihong ;

Liu, Bing ;

Yu, Philip S. .

ACM TRANSACTIONS ON INTELLIGENT SYSTEMS AND TECHNOLOGY, 2012, 3 (04)

[7]

Review Spam Detection via Temporal Pattern Discovery. Sihong Xie,Guan Wang,Shuyang Lin, et al. Proceedings of the 21st international conference companion on World Wide Web . 2012

← 1 →