基于双卷积神经网络的虚假评论识别

传统的虚假评论识别方法大多采用机器学习算法,并把虚假评论识别当作一个二分类的任务进行处理,对数据集中的文本数据提取一些关键的特征,并使用机器学习的算法对提取的特征进行训练,从而达到分类的目的 .在研究虚假评论特点的基础上,使用卷积神经网络分别对评论文本数据以及评论者行为数据进行处理,融合了评论文本信息和评论者行为信息,...     

虚假评论检测技术综述

随着互联网的发展,用户倾向于在购物、旅游、用餐之前参考线上评论.之后,他们也会发表评论来表达自身意见.线上评论越来越具有价值.评论对用户决策的重要导向作用催生了虚假评论.虚假评论,指用户由于利益、个人偏见等因素发布的不符合产品真实特性的评论.这些虚假评论语言上模仿真实评论,消费者很难识别出来.国内外学者综合运用自然语言处理技术来研究虚假评论检测问题.从特征工程的角度分析,虚假评论检测方法可以分为三类：基于语言特征和行为特征的方法、基于图结构的方法、基于表示学习的方法.主要描述了检测的一般流程,归纳了三类研究方法常用的特征,比较了方法的优缺点,并且介绍了研究常用的数据集.最后探讨了未来研究方向.     

基于卷积神经网络的虚假评论的识别

卷积神经网络(CNN)是典型深度学习算法,通过建立、模仿人脑的机制来解释数据,可以把原始数据通过一些简单的模型转变成更高层次的、更加抽象的表达。本文通过对传统卷积神经网络介绍、改进并将其应用于虚假评论的识别,并与传统文本分类方法进行对比,其分类准确率有所提高。     

垃圾商品评论检测研究综述

商品评论对消费者的购买意愿有明显导向作用,欺诈者可杜撰评论来过度褒奖或恶意贬低商品,以此来促进己方或是打击对方的商品销售,垃圾商品评论检测成为了一项迫切需要的技术。首先将相关研究分为以评论内部（文本特征）为中心和以评论外部（文本特征）为中心的两大类,然后分别综述它们在特征选择、学习方法上的研究进展,并介绍了垃圾商品评论检测领域的常用评论数据集,在此基础上,展望了该领域的热点研究方向。     

商品虚假评论的检测及可视化研究

电子商务平台常常充斥着大量恶意抬高或贬低商品名誉的虚假评论,这严重影响了市场竞争的公平性,给消费者在线选购合适商品带来了巨大困扰.有效识别并规避这些虚假评论是保障电商平台有效运行与持续增长的重要环节.在本文的研究中,首先通过招募志愿者完成真实与虚假评论数据集的收集,然后基于TFIDF和CountVectorizer完成...     

基于虚假评论识别的微博评论情感分析的研究与应用

微博作为时下热门的社交网络平台,针对其所产生的评论文本进行情感分析已经成为人工智能领域的一个研究热点。考虑到虚假评论会降低情感分析的准确度,从评论用户的状态和行为出发,提出一种基于用户状态与行为的可信度评价体系,用于提取虚假评论特征。结合该特征与PU(Positive and unlabeled)学习算法进行虚假评论识别;运用SVM分类器和随机梯度下降回归模型对去除虚假评论的文本进行主观句分类与情感分析。实验表明,进行虚假评论识别后的情感分析准确率、召回率分别达到0.88和0.89,比传统方法具有更高的分析效能。     

基于文本分析的虚假评论检测研究综述

消费者购买商品后发表的商品评论中包含了对商品的正向或负向评价。一些贪心商家通过发表虚假评论来美化自己的商品或诋毁竞争对手的商品从而获得非正当利益,因此需要识别虚假商品评论。商品评论的文本内容是最容易获取的分析数据,因此对基于文本内容的虚假商品评论检测领域相关研究进行分析,主要分为传统机器学习方法和深度学习方法。     

虚假商品评论识别的研究与进展

受经济利益驱使,大量恶意用户发布包含不实内容的虚假评论以影响用户的购买决策,从而提高自身商品的销售业绩并打压竞争对手,严重扰乱电子商务运营秩序。为此,介绍虚假评论识别的研究成果,包括虚假评论内容、发布者及虚假评论者群组的识别,对识别过程所使用的特征及检测方法进行对比分析,并给出虚假评论识别效果的评价方式和指标。在此基础上,对未来虚假评论识别研究工作进行探讨和展望。     

基于ETW-BERT模型的网购商品虚假评论识别

针对网购商品虚假评论识别问题,提出基于BERT双向预训练微调模型的假评识别方法。分析评论的文本、情感和时间特征,提出人工标注评论数据的12条规则,人工标注从京东网购平台爬取部分电子类产品的中文评论,获得5190条标注数据。对BERT的微调过程加入权重协方差对齐算法得到模型W-BERT,嵌入情感估值和时间特征得到模型ET-BERT,融合两者得到模型ETW-BERT。对上述标注数据集的实验表明,三个改进模型都取得了比BERT基础模型更好的效果。     

基于评论行为的商品垃圾评论的识别研究

为了识别商品垃圾评论,基于垃评论员发表的多为垃圾评论这一基本思想,提出一种基于评论员评论行为来判定其是否为垃圾评论员的方法。分析定义了垃圾评论员常见的三类评论行为,分别是针对同类商品发表垃圾评论,针对同品牌商品发表垃圾评论和针对同一卖家商品发表垃圾评论;在对这三类评论行为建模的同时提出一种依据重复性过高或过低打分的评论数量来计算评论员垃圾指数(spam score)的方法。实验数据为在当当网摄影摄像商品区发表过评论的评论员的所有评论信息。实验结果通过人工评判和计算NDCG(normalize discounted cumulative gain)值的方法来检验,实验结果准确有效。     

Fake finger-vein image detection based on Fourier and wavelet transforms

Recently, finger-vein recognition has received considerable attention. It is widely used in many applications because of its numerous advantages, such as the small capture device, high accuracy, and user convenience. Nevertheless, finger-vein recognition faces a number of challenges. One critical issue is the use of fake finger-vein images to carry out system attacks. To overcome this problem, we propose a new fake finger-vein image-detection method based on the analysis of finger-vein images in both the frequency and spatial domains.This research is novel in five key ways. First, very little research has been conducted to date on fake finger-vein image detection. We construct a variety of fake finger-vein images, printed on A4 paper, matte paper, and overhead projector film, with which we evaluate the performance of our system. Second, because our proposed method is based on a single captured image, rather than a series of successive images, the processing time is short, no additional image alignment is required, and it is very convenient for users. Third, our proposed method is software-based, and can thus be easily implemented in various finger-vein recognition systems without special hardware. Fourth, Fourier transform features in the frequency domain are used for the detection of fake finger-vein images; further, both spatial and frequency characteristics from Haar and Daubechies wavelet transforms are used for fake finger-vein image detection. Fifth, the detection accuracy of fake finger-vein images is enhanced by combining the features of the Fourier transform and Haar and Daubechies wavelet transforms based on support vector machines.Experimental results indicate that the equal error rate of fake finger-vein image detection with our proposed method is lower than that with a Fourier transform, wavelet transform, or other fusion methods.     

手指静脉识别技术

相对于指纹识别等传统生物特征识别,手指静脉识别是一种新兴的具有较好应用前景的生物特征识别技术。综述了手指静脉识别的基本原理和关键技术,包括手指静脉图像采集、预处理、特征提取和匹配等;对与手指静脉识别有关的多生物特征技术进行了归纳总结,并对手指静脉识别技术存在的问题和未来的研究方向进行了讨论。     

面部表情识别方法综述

介绍了表情识别难点及研究现状;重点阐述了不同的人脸表情特征提取方法和基于分类器的表情识别方法,并对各种方法进行了简单的分析比较;最后针对鲁棒性的需求,给出了人脸表情识别未来要研究的重点内容。     

基于图像处理技术的军事目标识别方法综述

对国内外当前比较流行的军事目标识别的成像途径、分类方法梳理总结并对几种成像途径的军事目标识别的优劣势进行分析比较,最后对基于图像处理技术的军事目标识别方法与其他识别手段相结合的发展趋势做一简述。     

基于计算机视觉的人脸检测与识别综述

人脸检测与识别是当前图像处理、模式识别和计算机视觉领域内的一个热门研究课题,在回顾人脸检测与识别技术发展历程的基础上,对人脸检测与识别的多种相关技术作了介绍与评论,着重讨论了检测定位方法与识别算法,比较了各种方法的优缺点,最后介绍了此技术的发展趋势。     

伪基站系统侦测识别及定位方法研究

伪基站作为最新的高科技犯罪手段由于其高移动性与伪装性,使得伪基站技术一经引进我国就在地下市场广为流传,而公安部多次专项行动均是通过追源头捣窝点的方法对伪基站进行打击,很难直接抓到现行。文章根据伪基站的原理研究了一种综合的伪基站系统侦测识别以及定位方法。     

人脸识别技术研究

简要回顾了人脸自动识别技术的研究背景及发展历程,重点讨论了当前七种热点识别算法,对各种方法加以评价,总结了现存的研究困难,提出了解决方法及发展方向。     

人脸活动单元自动识别研究综述

人脸活动单元(action units,AU)的自动识别能应用于行为科学、人机交互、安全、医疗诊断等众多领域,近年来得到了广泛关注.文中阐述了AU自动识别的基本概念、一般过程及其主要特征提取和分类方法,介绍了具有AU编码的代表性人脸表情数据库,并对单个AU与AU组合的识别、AU强度与AU动态性分析的研究现状进行了评述.最后总结了目前AU自动识别研究中存在的主要难点,并展望了其发展方向.     

人脸识别技术综述

人脸识别技术的研究在近几年得到了高度重视,已经成为图像分析和理解中最成功的应用之一。文中对人脸识别技术的常用方法如：肤色模型方法、基于特征脸(Eiganface)的PCA方法、人工神经网络(ANN)的方法、以及基于局部Haar特征的方法等,进行了分类总结。在分析了影响人脸识别效果的两个主要因素：光照影响和姿态影响后,指出利用先验知识,综合多种分类方法是人脸识别研究的趋势。     

基于多特征融合的汽车车型模糊识别方法

车型识别是智能交通系统中的一个重要组成部分.利用计算机视觉、模式识别等理论方法,对车型的有效特征提取与分类识别进行了深入的研究,提出了一种多特征融合的模糊聚类车型识别方法.通过自动调整各维特征的加权系数来调整特征对分类的贡献,结果表明达到了较好的分类效果.