在线商品虚假评论形成路径研究

以淘宝为例,通过对43万条评论语料进行分析以及乔装淘宝店主获取的事实数据,从在线商品虚假评论实际解决需要出发,为在线商品虚假评论界定了新的含义,归纳了在线商品虚假评论的影响,最后全面分析了由在线评论者、在线销售商家、在线商品交易平台、虚假评论中介四大主体所组成体系中在线商品虚假评论的六大形成路径、形成动因及特点.本文对下一步的在线商品虚假评论识别技术等相关研究有极强的理论和实践指导意义.     

虚假竞争情报的识别

竞争情报功能的实现有赖于一个基本前提,即竞争情报是真实的,具有可靠性与有效性。因此,虚假竞争情报的识别成为竞争情报研究的重要问题。根据竞争情报信息类型的不同,虚假竞争情报识别的方法可以使用统计识别、计算征兆信息系数、可靠性与有效性分析等。     

基于SMOTE-RF与多维特征向量的在线商品虚假评论识别研究

[研究目的]通过从评论文本和评论者两个维度对在线评论的特征进行挖掘,探究电商平台如何有效提高虚假评论识别的准确性,增加用户在线商品评论可信度,为消费决策提供参考。[研究方法]提出一种基于多维特征和SMOTE-RF模型的虚假评论识别方法。首先,通过识别商品虚假评论线索,构建多维特征向量,引入情感极性等特征并进行单调化处理;其次,在评分偏离度中添加了商品得分均值等统计指标来全面刻画虚假评论;最后,针对在线评论数据集中真实评论与虚假评论类不平衡问题,运用SMOTE算法优化随机森林分类模型,从而达到提高虚假评论识别准确性的目的。[研究结论]实验结果显示该方法在正负样本不平衡的虚假评论识别中具有更高的准确率、召回率及F1值。其中评分偏离度特征对虚假评论识别的影响最大,情感极性可作为识别的次要参考特征。因此,综合考虑在线评论多维特征和正负样本不平衡可帮助电商平台对虚假评论进行有效的过滤,为消费者提供更为可靠的评论数据。     

在线商品虚假评论关键问题研究综述

[目的/意义] 对在线虚假评论的现有研究进行梳理,分析研究现状,明确未来研究发展方向。[方法/过程] 以CNKI和Web of Science文献为研究对象,从文献分析的视角,采用定性与定量分析相结合的方法,从虚假评论的识别方法、特征提取以及防治策略的角度,对国内外虚假评论研究的现状进行了分析,总结和概括了本领域研究的热点和存在的问题。[结果/结论] 研究表明,在虚假评论的识别方法上,需加强对半监督和无监督学习的研究;在特征提取上,可考虑本体技术的应用;在防治策略上,要考虑多学科多领域的合作。     

在线商品虚假评论信息治理策略研究

在线商品虚假评论信息不仅误导消费者购物决策与商家销售评估,而且严重干扰了在线商品交易平台的意见挖掘结果。本文针对国内外对在线商品虚假评论治理的研究现状,从法律监管和鉴别模型两个层面重新定位了其治理目标,指出应根据不同的治理对象,从监管虚假评论形成路径的基本要素、减弱虚假评论形成路径的促进因素、激励正常消费者作出真实有效的评论并优化虚假评论识别模型的鉴别准确率4个方面完善在线商品虚假评论信息的治理途径,并详细阐述了各治理途径的具体实施办法以及今后优化和完善的建议与对策。     

面向网络虚假医疗信息的识别模型构建研究——一种基于预训练的BERT模型

【 目的/意义】解决获取虚假网络医疗信息数据集时专业知识不足的问题,帮助在小样本领域构建虚假网络 医疗信息识别模型。【方法/过程】本文提出一种基于权威辟谣信息转化提取构建网络虚假医疗信息数据集的思路, 并依次构建传统机器学习模型、CNN模型和BERT模型进行分类识别。【结果/结论】结果表明,基于辟谣信息能够 实现以较低成本、不依赖专家标注构建虚假医疗信息数据集。通过对比实验发现,基于微博数据预训练的 BERT 模型准确率为 95.91%,F1值为 94.57%,相比于传统机器学习模型和 CNN模型提升分别接近 6%和 4%,表明本文构 建的基于预训练的BERT模型在网络虚假医疗信息识别任务上取得了更好的效果。【创新/局限】本文提出的方法能 以较低成本建立专业领域的虚假信息数据集,所构建的BERT虚假医疗信息识别模型在小样本领域也具有实用价 值,但在数据集规模、深度学习模型对比、模型性能评价指标等方面还有待拓展与延伸。     

上市公司关联交易对虚假信息披露的影响及对策

众所周知,关联交易是证券市场关注的热点问题,它作为企业之间的一种经济行为,本身是一个中性的经济范畴,目前非常普遍于全球各行业。早在1937年,“企业契约理论”就得出内部交易有助于降低交易成本、帮助公司渡过难关的结论。但发展到20世纪90年代后期关联交易却成为了上市公司控股股东基于其自身利益,转移上市公司的资源和利润的一种手段。对上市公司关联交易对虚假信息披露的影响,提出个人观点及建议。     

基于多模态深度学习的旅游评论反讽识别研究

[目的/意义]反讽作为一种隐性而间接的情感表达方式,在社交评论中被广泛使用,正确识别用户的反讽情感对于网络平台和服务商具有重要意义。[方法/过程]文章基于深度学习构建多模态反讽识别模型,以在线旅游评论为例,运用深度学习模型分别提取文本、表情符号和图片的特征向量,通过不同的特征融合方式进行反讽识别。[结果/结论]通过与单模态反讽识别模型进行对比实验,发现文章提出的多模态旅游评论反讽识别模型在准确率、召回率等指标上的结果更优,验证了多模态模型比单模态模型反讽识别效果更佳的结论。     

基于深度学习的学术文本段落结构功能识别研究

【目的/意义】在学术大数据的应用背景下,对学术文本更加细粒度、语义化的分析挖掘日益迫切,学术文本结构功能识别成为科研领域的一个研究热点。【方法/过程】本文从段落的层次来识别章节结构功能,提出利用结合卷积神经网络和循环神经网络的特征对学术文本段落进行表达,然后进行分类。【结果/结论】文本提出的深度学习方法在整体分类结果上优于传统的机器学习方法,同时极大的减少了传统特征工程的人力需求。     

软件产品电子商务交易的风险规避机制

讨论了电子商务中软件产品因信息不对称、契约控制力不对称等原因给交易者带来的风险及其规避机制建立的设想。     

深度学习的研究现状与发展

深度学习在计算机、教育等学科领域是一个值得研究的热点话题。为更好地了解“深度学习”的研究现状和发展趋势,跟踪其研究前沿,本研究利用CiteSpaceⅢ工具,采用引文分析法,对2010-2016年间发表的深度学习研究相关文献,进行了时间、核心文献、研究热点等可视化分析。本文分别梳理和分析了学习模式、认知性存在、学习策略、同伴互助教学等10个聚类结果中研究文献代表作的相关论点。得出结论与启示：在后期研究中,需要深入学习者认知过程,关注情感积淀;提高教师信息能力,发挥主导作用;优化内容设计,改进学习方法;构建学习环境,完善评价体系,以促进深度学习的有效发展。     

基于机器学习的科学数据正式引用识别方法研究

[研究目的]科学数据已经成为科研产出的重要成果类型之一,通过研究和观察科学数据的使用情况可以发现科学数据的管理需求,提高科研人员共享和重用科学数据的积极性。[研究方法]以生物信息学领域学术论文全文信息作为研究对象,利用规则抽取和人工标注形成了生物信息学引文分类数据集,并对比评估了8种机器学习方法在数据集上的分类和识别效果。[研究结论]实证研究效果显示,机器学习分类方法可以用于科学数据正式引用识别,全文信息和样本集大小对分类效果起到关键性作用。     

浅谈深度学习课堂的构建策略

小学数学的深度学习是数学教育改革的重要抓手,也是培育小学数学核心素养的基本途径。厘清小学数学的核心本质,创设问题情境,引发探究思考,营造宽松和谐,互相倾听的课堂氛围,设计多样的活动体验和引入多元价值评价,是构建小学数学深度学习课堂的主要策略。     

B2B电子商务对交易成本的影响的实证分析

本文研究了网上交易中交易成本的变化。首先介绍了当交易形式从原来的实体市场转为电子商务市场时可能导致的交易成本的变化，接着区分了协调成本和激励成本的影响，认为B2B电子商务能减少协调成本并提高效率，同时也影响激励成本。以美国的一家B2B电子商务公司为研究对象，重点分析了协调成本中的过程成本。本文认为B2B电子商务所导致的过程改善的影响是很大的。     

基于BP网络学习算法的英文字符识别

介绍了BP神经网络的基本原理,指出了BP算法收敛速度慢、易陷入局部及小值等缺陷,在标准BP算法的基础上引入了几种优化BP算法的方法.针对模式识别应用领域,通过实例,运用Matlab编程对各种较好的网络学习算法的性能进行比较,给出了一个三层BP网络识别含噪声的字母的实例.实验结果表明,改进的BP算法有效地提高了BP算法的收敛速度.     

湖北省大学生深度学习现状和培养策略

互联网在为学生学习方面带来前所未有的机遇的同时,也在一定程度上造成了混乱,尤其是在指向知识内化和迁移的深度学习方面。调查研究表明,大学生在学习投入、反思巩固学习、高阶学习、整合性学习和迁移学习方面均存在不同程度的问题。笔者从教学设计的角度,针对问题提出深度学习能力提升策略。     

学习科学视角下促进大学数学深度学习的元认知训练模式研究

大学数学是大学中受众面非常广的一门公共基础课程,其核心是培养学生的逻辑思维、创造性思维、建模意识等高阶思维能力。深度学习的目标就是发展学习者的高阶思维能力,元认知能力是指个体对于自身认知过程的调节能力,很多研究者认为深度学习与元认知能力之间存在相互促进的关系。该文从学习科学视角将元认知训练与大学数学深度学习过程的一般模型相结合,以期通过提高大学生的元认知能力实现大学数学深度学习。     

基于字典学习的不同光照和姿态的人脸识别技术研究

提出了一种基于稀疏分解的不同光照和姿态的人脸识别方法。通过给定的样本为每一类人脸图像训练一个特定的字典,使得在稀疏限制条件下,图像的表示误差最小。将测试图像投影到每一个字典的原子所形成的空间,然后利用误差向量进行分类。为了处理不同光照和姿态问题,采用了基于反照率估计的姿态的重照技术产生同一个人的不同光照条件下的多幅正面图像,从而使得本文方法能够在只有极少数训练图像的条件下获得很高的识别率。通过采用公用数据库中的人脸图像进行验证表明本文方法能够有效的实现不同光照和姿态条件下的人脸识别,其在性能方面比现有大多数方法更优。     

基于深度学习的信息组织与检索研究综述

【目的/意义】深度学习是近几年来人工智能领域的研究热点之一,了解深度学习在信息组织与检索方面的研究现状,能为信息组织与检索的深入研究提供参考和借鉴。【方法/内容】通过对国内基于深度学习的信息组织与检索方向的相关文献进行梳理,剖析深度学习相关模型、阐述深度学习在信息组织与检索中的研究热点主题,并结合深度学习技术的特点和信息组织与检索的研究内容,对深度学习在信息组织与检索方向的应用前景进行预测。【结果/结论】研究表明,当前深度学习在信息组织与检索中的研究热点主要集中在智能信息抽取、自动文本分类、情感分析和文本聚类这四个主题,预测未来深度学习在信息组织与检索方向会朝着对异构信息处理、智能信息检索、个性化信息推荐等方向发展。