论文部分内容阅读
随着中国电子商务的快速发展,网上零售业务的竞争愈发激烈,为了能够吸引消费者的目光并增加商品销量,某些商家开始采用虚假交易这种不正当的竞争手段进行商品的推广。虚假交易不仅仅是一种虚假宣传手段,它一方面严重损害了消费者的知情权和公平交易权,另一方面虚假交易现象的蔓延会加剧电子商务的诚信危机,严重阻碍中国电子商务的健康发展。为了能够识别出网上的虚假交易行为,本文从以下几个方面对虚假交易进行了研究:(1)虚假交易的参与者主要有两个,分别是发布虚假交易任务的商家和执行虚假交易的刷客。商家通过虚假交易获得虚假的商品销量、信用积分和商品评论等,而刷客则通过被商家雇佣,依靠执行虚假交易获取佣金。商家和刷客之间通过商品联系在一起,因此本文将虚假交易的研究分为两个方面,分别是以商品为目标的虚假交易识别和以消费者为目标的虚假交易识别,并且采用深度置信网络对虚假交易进行识别。(2)以商品为目标的虚假交易识别是指从网上进行销售的商品中分辨出哪些商品是通过虚假交易的方式增加的商品销量和评论数量。在对商品特征进行分析的过程中,除了考虑到商家属性特征、商品属性特征和评论属性特征之外,同时采用商品销售量指数模型对商品的销售记录进行分析,描述商品在某一时期内销量的变化。在识别过程中利用深度置信网络,同时结合了多层感知器进行虚假交易识别。将虚假交易识别模型分为了多层感知器模块和深度置信网络模块,其中深度置信网络模块用于接收输入信号,并且对输入数据特征进行学习,从而可以获取到更高层次的抽象特征;多层感知器模块则在识别模型中执行分类任务,从而实现以商品为目标的虚假交易识别。(3)以消费者为目标的虚假交易识别是指从购买商品的消费者中识别出执行虚假交易的刷客。在对消费者特征的分析过程中,主要考虑了消费者属性特征、商品属性特征、评论属性特征和商家属性特征。在采用深度置信网络对消费者特征进行学习的过程中,考虑到传统的深度置信网络在学习过程中会陷入局部最小点,导致无法显示出在特征学习方面的优势,因此本文利用交替进行深度置信网络中有监督学习过程和无监督反馈调节过程的方法来解决后向传播过程中底层权重导数变小而出现的深层网络性能优势不明显的问题,同时将用户“是刷客”或“不是刷客”的逻辑用隶属函数的形式进行描述,并将之引入到深度置信网络中,提高识别的准确度。(4)最后本文利用在淘宝网中采集到的商品和消费者数据对虚假交易识别方法进行验证,并与传统的深度置信网络和常见的浅层机器学习方法(贝叶斯网络、随机森林、支持向量机)进行对比,以验证其识别的性能。