网上购物评论的有效性识别研究-以京东某款手机数据为例开题报告

1. 研究目的与意义

随着电商的出现和各类社群APP的不断发展，人们对商品的了解方式更加多样，购买渠道更加丰富，选择空间更加充裕，人们的消费模式发生了改变。但与此同时，由于平台的店铺模糊类搜索排名机制，卖家以礼品、好评返现等形式诱导客户好评，甚至直接雇佣人员刷单，来获取大量好评，企图在平台搜索结果中取得较为靠前的排名，或采取故意给竞争对手刷差评，使其排名下降等不正当竞争手段，扰乱市场秩序，干扰消费者选择。部分恶意买家也会以差评威胁卖家，要求给予一定的优惠，或故意“好评低分”，评论与评分不一致等等。除此之外，热门商品的评论数大量积累也使得用户很难筛选出对自己有帮助、或自己感兴趣的评论。

2. 研究内容和预期目标

研究内容：

现有的研究多单纯地将虚假评论或无意义的评论从评论数据中剔除，忽略了买家在参考商品评论时，不仅要看真实的评论，更要看自己关心的方面的评论。因此，商品评论有效性则是虚假评论研究的下一步方向。本文将评论分为以下几类：

1.虚假评论类。指卖家刷好评的评论，或被竞争对手、无良买家恶意差评。

3. 国内外研究现状

1.国外文献研究

产品虚假评论的概念，最早是由jindal^[3]在2008年提出的。jindal等人研究后发现，虽然虚假评论广泛存在于商品中，但其本质与垃圾网页和垃圾邮件不同，于是将产品虚假评论分为虚假评论、无关评论和带有品牌偏见的评论。他们抓取了亚马逊的商品评论信息，并进行人工标注，从评论内容、评论者和被评论的商品三方面提取特征值，使用逻辑回归构建机器学习模型来区分复制观点和非复制观点，检测出是复制观点时则判为虚假评论。jindal 等人的研究对非评论和无关评论的识别效果理想，但是其只将重复评论作为机器学习的训练集，对于其他特点的虚假评论的识别有较大局限性。

xie s^[4]等人在2012年提出，单一评论是虚假评论的重要组成部分。正常的评论比较稳定、相关性低。相比之下，虚假的评论相关性高且具有突发性的特点，表达情感极性强。因此提出时间模式，采用基于多维聚合的时间序列统计构建模型，以此挖掘虚假评论的相关性。

4. 计划与进度安排

1.文献综述，分析国内外的研究现状和方法；

2.确定研究方法，比较现有的研究方法和实现可能性，确定研究方向和实现方法；

3.数据搜集，通过爬虫或查找已有数据库来获取数据；

5. 参考文献

[1]人民网。刷量、虚假评价不仅是行业乱象更对网络公平环境造成严重损害。http://hlj.people.com.cn/n2/2019/0731/c387763-33199376.html，2019

[2]新浪科技。调查：虚假评论充斥亚马逊,杂牌产品占领搜索首页。https://tech.sina.com.cn/i/2019-04-16/doc-ihvhiewr6422456.shtml ，2019

[3] jindaln , liu b . review spam detection［a］. proceedings of the 16th international conference on world wide web［c］.acm,2007:11891190.