AIGC視域下虛假評論識別感知與治理研究
王平
- 出版商: 科學出版
- 出版日期: 2024-11-01
- 定價: $834
- 售價: 7.5 折 $626
- 語言: 簡體中文
- 頁數: 271
- ISBN: 7030797183
- ISBN-13: 9787030797186
-
相關分類:
Natural Language Processing
立即出貨 (庫存 < 3)
中文年末書展｜繁簡參展書2書75折 詳見活動內容 »
-
75折
為你寫的 Vue Components：從原子到系統，一步步用設計思維打造面面俱到的元件實戰力 (iThome 鐵人賽系列書)$780$585 -
75折
BDD in Action, 2/e (中文版)$960$720 -
75折
看不見的戰場：社群、AI 與企業資安危機$750$563 -
79折
AI 精準提問 × 高效應用：DeepSeek、ChatGPT、Claude、Gemini、Copilot 一本搞定$390$308 -
7折
超實用！Word．Excel．PowerPoint 辦公室 Office 365 省時高手必備 50招, 4/e (暢銷回饋版)$420$294 -
75折
裂縫碎光：資安數位生存戰$550$412 -
日本當代最強插畫 2025 : 150位當代最強畫師豪華作品集$640$576 -
79折
Google BI 解決方案：Looker Studio × AI 數據驅動行銷實作，完美整合 Google Analytics 4、Google Ads、ChatGPT、Gemini$630$498 -
79折
超有料 Plus！職場第一實用的 AI 工作術 - 用對 AI 工具、自動化 Agent, 讓生產力全面進化！$599$473 -
75折
從零開始學 Visual C# 2022 程式設計, 4/e (暢銷回饋版)$690$518 -
75折
Windows 11 制霸攻略：圖解 AI 與 Copilot 應用，輕鬆搞懂新手必學的 Windows 技巧$640$480 -
75折
精準駕馭 Word！論文寫作絕非難事 (好評回饋版)$480$360 -
Sam Yang 的插畫藝術：用 Procreate / PS 畫出最強男友視角 x 女孩美好日常$699$629 -
79折
AI 加持！Google Sheets 超級工作流$599$473 -
78折
想要 SSR? 快使用 Nuxt 吧!：Nuxt 讓 Vue.js 更好處理 SEO 搜尋引擎最佳化（iThome鐵人賽系列書）$780$608 -
78折
超實用！業務．總管．人資的辦公室 WORD 365 省時高手必備 50招 (第二版)$500$390 -
7折
Node-RED + YOLO + ESP32-CAM：AIoT 智慧物聯網與邊緣 AI 專題實戰$680$476 -
79折
「生成式⇄AI」：52 個零程式互動體驗，打造新世代人工智慧素養$599$473 -
7折
Windows APT Warfare：惡意程式前線戰術指南, 3/e$720$504 -
75折
我輩程式人：回顧從 Ada 到 AI 這條程式路，程式人如何改變世界的歷史與未來展望 (We, Programmers: A Chronicle of Coders from Ada to AI)$850$637 -
75折
不用自己寫！用 GitHub Copilot 搞定 LLM 應用開發$600$450 -
79折
Tensorflow 接班王者：Google JAX 深度學習又快又強大 (好評回饋版)$780$616 -
79折
GPT4 會你也會 - 共融機器人的多模態互動式情感分析 (好評回饋版)$700$553 -
79折
技術士技能檢定 電腦軟體應用丙級術科解題教本｜Office 2021$460$363 -
75折
Notion 與 Notion AI 全能實戰手冊：生活、學習與職場的智慧策略 (暢銷回饋版)$560$420
相關主題
商品描述
面向AIGC視域下虛假評論的新特點及其影響，本書首先從理論角度探討虛假評論的產生原因、動機、識別技術方法及監管體系，歸納虛假評論識別與治理的相關理論與方法，然後基於實驗與實證角度，從技術與用戶的雙元視角深入探討虛假評論識別、感知與治理問題。具體而言，一方面從技術視角探索基於不同模型的虛假評論客觀特徵提取及其識別方法，在此基礎上，進一步研究用戶如何感知、評價並採納虛假評論，以及用戶視角下虛假評論的特徵；另一方面，綜合技術和用戶視角的研究成果，從多個角度探討AIGC視域下虛假評論的治理路徑，本書的諸多發現為解決新技術背景下的虛假評論識別及治理問題提供了理論與實踐參考。
目錄大綱
目錄
前言
第1章 緒論 1
1.1 研究背景及意義 1
1.1.1 研究背景 1
1.1.2研究意義 6
1.2 國內外虛假評論研究現狀 9
1.2.1 虛假評論產生原因與動機 9
1.2.2 虛假評論影響及危害 16
1.2.3 虛假評論識別方法 20
1.2.4 虛假評論監管體系 28
1.2.5 研究現狀小結 34
1.3 研究內容及方法 37
1.3.1 研究內容 37
1.3.2 研究方法 40
1.4 本書的創新點 41
參考文獻 43
第2章 AIGC視域下虛假評論感知治理理論與識別方法 56
2.1 AIGC視域下虛假評論感知治理理論 56
2.1.1 虛假評論產生、傳播與感知的相關理論 56
2.1.2 虛假評論危機治理的相關理論 64
2.2 AIGC視域下虛假評論識別方法 70
2.2.1 傳統機器學習方法 70
2.2.2 深度學習方法 78
參考文獻 86
第3章 AIGC視域下虛假評論客觀特徵與主觀感知行為分析 89
3.1 虛假評論的客觀特徵分析 89
3.1.1 基於評論內容的特徵 89
3.1.2 基於評論者行為的特徵 97
3.2 虛假評論的主觀感知與行為分析 102
3.2.1 用戶感知視角下的虛假評論特徵 102
3.2.2 用戶虛假評論感知與採納行為的影響因素 110
3.2.3 基於虛假評論感知驅動的用戶信息鑒別行為分析 118
參考文獻 124
第4章 基於對比學習的電商平臺虛假評論識別模型 139
4.1 問題的提出 139
4.2 研究現狀 140
4.3 基於對比學習的電商平臺虛假評論識別模型構建 141
4.3.1 基於對比學習的文本分類模型SimCSE 141
4.3.2 基於有監督SimCSE的虛假評論識別模型構建 142
4.4 實驗研究 146
4.4.1 實驗設計與結果 146
4.4.2實驗結果及分析 152
4.5 小結 159
參考文獻 161
第5章 基於上下文學習的不平衡虛假評論識別方法 163
5.1 問題的提出 163
5.2研究現狀 164
5.2.1大模型與上下文學習 164
5.2.2 基於不平衡數據的網絡虛假信息識別技術 166
5.3 預實驗 168
5.3.1 實驗設置 169
5.3.2 預實驗結果及分析 170
5.4 基於上下文學習的虛假評論識別框架 171
5.4.1 基於文本相似度的示例選擇模塊 172
5.4.2 示例排序模塊 173
5.4.3 上下文學習偏見校準模塊 174
5.5實驗研究 175
5.5.1 實驗準備 175
5.5.2 實驗結果及分析 177
5.6 小結 183
參考文獻 184
第6章 融合用戶與AI生成內容的虛假評論意圖的多模態識別預測框架 188
6.1 問題的提出 188
6.2 研究現狀 190
6.2.1 基於深度學習技術的AI生成內容識別 190
6.2.2 基於多模態深度學習的網絡虛假信息識別技術 191
6.3 虛假評論數據集及意圖識別的多模態框架構建 192
6.3.1 虛假評論數據集構建 192
6.3.2 虛假評論意圖識別的多模態框架 196
6.4 實驗研究 203
6.4.1 實驗準備 203
6.4.2 實驗結果及分析 205
6.4.3 不同實驗設置下模型性能的統計檢驗 207
6.5 小結 208
參考文獻 210
第7章 AIGC視域下虛假評論用戶感知與採納 214
7.1 問題的提出 214
7.2 研究現狀 216
7.3 模型構建 219
7.3.1 理論背景 219
7.3.2 假設發展 223
7.4 研究方法及實驗 226
7.4.1 調查問捲 226
7.4.2 場景設計 228
7.4.3 數據收集 229
7.4.4 數據分析 230
7.5 實驗結論 232
7.5.1 測量模型評估 232
7.5.2 結構模型評估 233
7.5.3 假設驗證 234
7.6 結論與討論 235
7.6.1 討論 235
7.6.2 總結 239
參考文獻 239
第8章 AIGC視域下虛假評論治理要素與策略 249
8.1 問題的提出 249
8.2 虛假評論治理相關研究 250
8.3 AIGC視域下虛假評論治理信息生態要素分析 253
8.3.1 信息生態理論 253
8.3.2 AIGC視域下虛假評論治理的信息生態因子分析 254
8.4 基於信息生態理論的虛假評論治理策略 261
8.4.1 完善多元參與，構建協同高效治理格局 261
8.4.2 優化信息流管理，建立快捷響應機制 262
8.4.3 規範技術要素管理，實現技術賦能精準高效治理 264
8.4.4 引導正向社會規範，推動網絡空間社會共治 265
參考文獻 266
第9章 總結與展望 269
9.1 研究總結 269
9.2 未來展望 270
9.3 結束語 271
彩圖
前言
第1章 緒論 1
1.1 研究背景及意義 1
1.1.1 研究背景 1
1.1.2研究意義 6
1.2 國內外虛假評論研究現狀 9
1.2.1 虛假評論產生原因與動機 9
1.2.2 虛假評論影響及危害 16
1.2.3 虛假評論識別方法 20
1.2.4 虛假評論監管體系 28
1.2.5 研究現狀小結 34
1.3 研究內容及方法 37
1.3.1 研究內容 37
1.3.2 研究方法 40
1.4 本書的創新點 41
參考文獻 43
第2章 AIGC視域下虛假評論感知治理理論與識別方法 56
2.1 AIGC視域下虛假評論感知治理理論 56
2.1.1 虛假評論產生、傳播與感知的相關理論 56
2.1.2 虛假評論危機治理的相關理論 64
2.2 AIGC視域下虛假評論識別方法 70
2.2.1 傳統機器學習方法 70
2.2.2 深度學習方法 78
參考文獻 86
第3章 AIGC視域下虛假評論客觀特徵與主觀感知行為分析 89
3.1 虛假評論的客觀特徵分析 89
3.1.1 基於評論內容的特徵 89
3.1.2 基於評論者行為的特徵 97
3.2 虛假評論的主觀感知與行為分析 102
3.2.1 用戶感知視角下的虛假評論特徵 102
3.2.2 用戶虛假評論感知與採納行為的影響因素 110
3.2.3 基於虛假評論感知驅動的用戶信息鑒別行為分析 118
參考文獻 124
第4章 基於對比學習的電商平臺虛假評論識別模型 139
4.1 問題的提出 139
4.2 研究現狀 140
4.3 基於對比學習的電商平臺虛假評論識別模型構建 141
4.3.1 基於對比學習的文本分類模型SimCSE 141
4.3.2 基於有監督SimCSE的虛假評論識別模型構建 142
4.4 實驗研究 146
4.4.1 實驗設計與結果 146
4.4.2實驗結果及分析 152
4.5 小結 159
參考文獻 161
第5章 基於上下文學習的不平衡虛假評論識別方法 163
5.1 問題的提出 163
5.2研究現狀 164
5.2.1大模型與上下文學習 164
5.2.2 基於不平衡數據的網絡虛假信息識別技術 166
5.3 預實驗 168
5.3.1 實驗設置 169
5.3.2 預實驗結果及分析 170
5.4 基於上下文學習的虛假評論識別框架 171
5.4.1 基於文本相似度的示例選擇模塊 172
5.4.2 示例排序模塊 173
5.4.3 上下文學習偏見校準模塊 174
5.5實驗研究 175
5.5.1 實驗準備 175
5.5.2 實驗結果及分析 177
5.6 小結 183
參考文獻 184
第6章 融合用戶與AI生成內容的虛假評論意圖的多模態識別預測框架 188
6.1 問題的提出 188
6.2 研究現狀 190
6.2.1 基於深度學習技術的AI生成內容識別 190
6.2.2 基於多模態深度學習的網絡虛假信息識別技術 191
6.3 虛假評論數據集及意圖識別的多模態框架構建 192
6.3.1 虛假評論數據集構建 192
6.3.2 虛假評論意圖識別的多模態框架 196
6.4 實驗研究 203
6.4.1 實驗準備 203
6.4.2 實驗結果及分析 205
6.4.3 不同實驗設置下模型性能的統計檢驗 207
6.5 小結 208
參考文獻 210
第7章 AIGC視域下虛假評論用戶感知與採納 214
7.1 問題的提出 214
7.2 研究現狀 216
7.3 模型構建 219
7.3.1 理論背景 219
7.3.2 假設發展 223
7.4 研究方法及實驗 226
7.4.1 調查問捲 226
7.4.2 場景設計 228
7.4.3 數據收集 229
7.4.4 數據分析 230
7.5 實驗結論 232
7.5.1 測量模型評估 232
7.5.2 結構模型評估 233
7.5.3 假設驗證 234
7.6 結論與討論 235
7.6.1 討論 235
7.6.2 總結 239
參考文獻 239
第8章 AIGC視域下虛假評論治理要素與策略 249
8.1 問題的提出 249
8.2 虛假評論治理相關研究 250
8.3 AIGC視域下虛假評論治理信息生態要素分析 253
8.3.1 信息生態理論 253
8.3.2 AIGC視域下虛假評論治理的信息生態因子分析 254
8.4 基於信息生態理論的虛假評論治理策略 261
8.4.1 完善多元參與，構建協同高效治理格局 261
8.4.2 優化信息流管理，建立快捷響應機制 262
8.4.3 規範技術要素管理，實現技術賦能精準高效治理 264
8.4.4 引導正向社會規範，推動網絡空間社會共治 265
參考文獻 266
第9章 總結與展望 269
9.1 研究總結 269
9.2 未來展望 270
9.3 結束語 271
彩圖
