S5优势不是很明显。电池够用，发明人百分之S十的电用了一下午，估计二天一充吧。发热 不严重，该点比S5强。通话声音好，比较大。安装程序不多，够用，一般占1G内存左右，S5 可是要占1.3G。缺点；程序不够流畅，音质较差。照相不行，清晰度不够。外表没有高端机 那么漂亮，但是漂亮不能当饭吃，S5漂亮、配置高，但质量极差，看你的选择了。总结：值得 购买，支持国货，抵制洋货。
[0037] 7)小杨网购65,手机收到了，好评！
[0038] 8)超级买卖114,宝贝收到了，手机的灵敏度蛮高的，色彩非常好，外观精致大气， 机身做工细腻，触频的反应也很快。上网下载的速度也很快，像素很高，操作灵敏，系统很流 畅，是一款性价比超高的智能机
[0039] 9)aavkbai.宝贝收到了，手机的灵敏度蛮高的，色彩非常好，外观精致大气，机身 做工细腻，触频的反应也很快。上网下载的速度也很快，像素很高，操作灵敏，系统很流畅， 是一款性价比超高的智能机
[0040] 10)3466434958,老实说吧，在买着手机之前发明人就去太平洋电脑网看点评，各 种差评；1.预置软件多，占用内存大（其实有挺多软件可W手动删除的，内存使用都在1G 左右，其实都够用的了，流畅，那种游戏发烧友也不看看什么价钱的货）2.扬声器垃圾，音 质差（个人感觉还好，只要不出现沙沙的声人声变形就0K了，音量比之前的小米大，挺好 的）3.屏幕易碎（该个还有待W后确认）4.机子发热厉害（看你玩什么了，发明人用过几 部手机吧都是不同牌子的，觉得发热也不厉害，相对来说算好的了）5.实际像素没参数里 的该么好（个人反复拍，该个确实是有点差，前镜头还好，后镜头画质真的一般般）总的来 说还是值得买的，性价比高。。。上述是本人个人看法。还有发明人个人挺喜欢小米的系统 的，所W没买华为荣耀3,挣扎纠结很久了，总之没让发明人失望吧！说该么多好像很假，哈 哈
[0041] 词频特征提取；由于样本较小，为免结果矩阵太过稀疏，只计算名词、形容词、动 词、副词分布为示例，输出结果如下：
[0042]
【主权项】
1. 一种中文虚假顾客评论识别方法，包括如下步骤： a) 评论数据逐条读入； b) 将评论进行分词，得到语句的词性序列、语法成分与结构特征； c) 至少分为以下二部分对一条评论同时进行特征提取：词数分布离群度特征提取、情 感分布离群度特征提取； 根据提取的结果，将离群度值超过设定阈值的评论标记为虚假评论。
2. 如权利要求1所述的中文虚假顾客评论识别方法，其特征是：所述词数分布离群度 特征提取包括如下步骤： 对各词性词数进行统计； 建立商品的词数向量库，统计词数的总体分布； 将评论的词数特征向量与该商品的词数总体分布比较，计算出该评论的词数分布离群 度。
3. 如权利要求2所述的中文虚假顾客评论识别方法，其特征是：词数分布离群度的计 算是用各维比例与总比例相减，然后取绝对值求和。
4. 如权利要求1或2所述的中文虚假顾客评论识别方法，其特征是：情感分布离群度 特征提取包括如下步骤： 依据语法分析对原句进行搭配提取，搭配包括主题词、情感词和程度词； 将无情感搭配的评论视为无效评论，进行记录； 基于词语的相似度，对主题词进行匹配，确定搭配所描述的商品属性，如果无法匹配， 则视为不相关评论进行记录； 依据情感词和程度词词库，对搭配进行情感分析，得出评论的情感向量； 建立商品的情感向量库，统计情感值的总体分布； 将评论的情感特征向量与该商品的情感总体分布比较，计算出该评论的情感分布离群 度。
5. 如权利要求1所述的中文虚假顾客评论识别方法，其特征是：情感离群度的计算是 用不为零的属性情感值与总属性相减，取绝对值求和，再除以不为零的属性个数；其中， 总情感值：即情感值求和，将每条评论的六维情感值相加，得到情感总值； 情感值不为零的评论数：将每一维情感值不为零的评论的条数做统计； 平均情感值：每一维总和除以该维不为零的评论数； 情感离群度计算：每条评论不为零的维度与该维度的平均值的差求绝对值，然后各维 度取平均。
6. 如权利要求1所述的中文虚假顾客评论识别方法，其特征是：还包括如下第三部分 对一条评论同时进行特征提取：模板评论与重复评论特征提取。
7. 如权利要求6所述的中文虚假顾客评论识别方法，其特征是：模板评论与重复评论 特征提取包括如下步骤： 对原句结构特征序列进行编码； 建立商品的评论结构编码库； 查找编码库是否有相同的编码，如果有，将评论模板特征置1，并将编码相同的评论的 用户名记录，视为疑似团伙评论； 再从编码相同的评论中，查找是否为同一用户的重复评论，将用户重复评论数设为重 复评论特征。
8. 如权利要求6或7所述的中文虚假顾客评论识别方法，其特征是：还包括如下步骤： d) 用虚假评论的词数分布离群度、情感分布离群度、模板特征与重复评论特征训练分 类器； e) 用分类器对新的评论进行虚假评论识别，输出识别结果，并更新各库； f) 结合大量商品的识别结果，判断是否存在刷评论的团伙或者不良用户。
9. 如权利要求8所述的中文虚假顾客评论识别方法，其特征是：分类器为逻辑回归分 类。
10. 如权利要求7所述的中文虚假顾客评论识别方法，其特征是：将某一商品评论所有 编码序列存储在数据库，检索有没有该编码序列相同的评论，如果有，这一维特征值就为1， 没有就为0 ;或者不将编码序列存储，而只是存储其长度、奇数位和、偶数位和三个数值，再 将这三个数值串联转化为字符串，通过比较该字符串判断编码是否相同。
【专利摘要】本发明涉及一种中文虚假顾客评论识别方法，包括如下步骤：a)评论数据逐条读入；b)将评论进行分词，得到语句的词性序列、语法成分与结构特征；c)至少分为以下二部分对一条评论同时进行特征提取：词数分布离群度特征提取、情感分布离群度特征提取；根据提取的结果，将离群度值超过设定阈值的评论标记为虚假评论。本发明具有以下优势：添加了顾客评论内容的情感分析，很好地识别了无效评论和不相关评论，并计算了评论的情感离群度，提高了中文虚假评论的识别率。
【IPC分类】G06F17-30, G06F17-27
【公开号】CN104866468
【申请号】CN201510164626
【发明人】李秀, 闫欣伟, 杜佳, 陈 胜
【申请人】清华大学深圳研究生院, 深圳市标准技术研究院
【公开日】2015年8月26日
【申请日】2015年4月8日