毕业论文出炉记录（纯纯的菜鸟文）

补录我的硕士论文记录

2015年1月，我拿到了毕业论文的题目。《检测购物网站如亚马逊上的虚假评论》

我的专业是“BIG DATA AND TEXT ANALYSITICS”

首先我得导师给了我一个他已经收集好的，做好标记的语料库。他标记了每条评论是否为虚假评论。

我要做的第一件事，就是选择数据挖掘的工具，我毫不犹豫的选择了WEKA，因为这个我熟悉。

接下来，我需要把导师提供的语料库（XML格式）转换成WEKA可以出苦力的文本格式，于是我选择了PYTHON作为解析XML的工具。

于是我首先了解什么是XML。

XML是可扩展标记语言，目的是用来传输数据和存储数据的。

它可以由多个部分组成，每部分可以被标识。所以，当想要解析XML文件中的文本时，可以用PYTHON中的方法进行解析。

PYTHON中常用的解析方法有三种：SAX、DOM和ElementTree，都是利用寻找标识模块并解析数据的。

解析后的每个XML文件存储在相应的文本文件中。

WEKA 可以直接读取文本文件。