資源描述：
《基于評(píng)論特征的虛假評(píng)論者檢測(cè)》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。
1、摘要由于在線產(chǎn)品評(píng)論信息可以極大影響產(chǎn)品的銷(xiāo)售，為了推廣或詆毀特定的產(chǎn)品，存在很多產(chǎn)品評(píng)論者故意發(fā)布不真實(shí)的產(chǎn)品評(píng)論。利用評(píng)論圖中產(chǎn)品節(jié)點(diǎn)、評(píng)論節(jié)點(diǎn)和評(píng)論者節(jié)點(diǎn)間的相互關(guān)系，通過(guò)迭代計(jì)算可以得出產(chǎn)品節(jié)點(diǎn)、評(píng)論節(jié)點(diǎn)和評(píng)論者節(jié)點(diǎn)的信譽(yù)度，從而檢測(cè)在線購(gòu)物站點(diǎn)產(chǎn)品評(píng)論者中的虛假評(píng)論者。為了在網(wǎng)絡(luò)購(gòu)物環(huán)境中找出虛假評(píng)論者，提出了一種新的評(píng)論圖結(jié)構(gòu)，即產(chǎn)品評(píng)論圖。該產(chǎn)品評(píng)論圖不僅利用評(píng)論，產(chǎn)品，評(píng)論者之間的相互關(guān)系，還利用從數(shù)據(jù)集中獲取的評(píng)論，產(chǎn)品，評(píng)論者自身所具有的大量特征。將產(chǎn)品評(píng)論圖和評(píng)論集中的評(píng)論特征相結(jié)合，提出
2、了一種基于評(píng)論特征的在每輪迭代過(guò)程中逐步淘汰評(píng)論者及其評(píng)論的ICE算法，極大提高了迭代收斂速度、準(zhǔn)確率和召回率。通過(guò)在評(píng)論、評(píng)論者和產(chǎn)品的評(píng)分函數(shù)中加入評(píng)論特征進(jìn)行矯正，進(jìn)一步提高基于評(píng)論圖方法檢測(cè)虛假評(píng)論者的準(zhǔn)確度。通過(guò)對(duì)算法返回結(jié)果各特征分布情況進(jìn)行分析，得出不同算法所適于檢測(cè)的虛假評(píng)論者類(lèi)型，方便算法的實(shí)際應(yīng)用。本文進(jìn)一步提出了一種半監(jiān)督的分類(lèi)方法對(duì)ICE算法返回的結(jié)果做進(jìn)一步處理。該機(jī)器學(xué)習(xí)方法不僅可以驗(yàn)證ICE算法的有效性而且可以作為ICE算法的一個(gè)補(bǔ)充，從而識(shí)別出更多的虛假評(píng)論者。實(shí)驗(yàn)表明以上方法可
3、以識(shí)別出非常規(guī)的虛假評(píng)論者，并且具有較高的準(zhǔn)確率和召回率。因此該方法可以作為現(xiàn)有檢測(cè)方法的一個(gè)補(bǔ)充。開(kāi)發(fā)了一個(gè)與整個(gè)實(shí)驗(yàn)配套的虛假評(píng)論者檢測(cè)軟件，該軟件可以對(duì)評(píng)論者和產(chǎn)品信息進(jìn)行快速的查找，方便進(jìn)行人工評(píng)估及結(jié)果分析，保證了虛假評(píng)論者檢測(cè)研究真實(shí)高效的進(jìn)行。關(guān)鍵詞：虛假評(píng)論；評(píng)論圖；機(jī)器學(xué)習(xí)；虛假評(píng)論者檢測(cè)AbstractOnlineproductreviewscansigni?cantlyaffectproductsales,resultinginalargenumberofreviewerswhopromo
4、teand/ordemotetargetproductsbywritinguntruthfulproductreviews.Aheterogeneousreviewgraphwasproposedtocapturetheintricaterelationshipsamongreviews,reviewersandstores,whichcandeterminethespamicityofeachreviewerbyusinganiterativecomputingmodel.Inthispaper,weprop
5、oseanewreviewgraphstructure,namelyproductreviewgraph,totacklethefakereviewerdetectionprobleminastorelessshoppingenvironment.Ourproposedproductreviewgraphnotonlycapturestherelationshipsamongreviews,reviewersandproducts,butalsoenrichesthenodesinthegraphwithabu
6、ndantfeaturesextractedfromreviewdata.Weproposeeffectivescoringcriteriatomeasurethespamicityofeachkindofnodes,whichcanleadtohighdetectingprecision.Aneffcientalgorithm(ICE)isdesignedtofastentheiterationprocessbyeliminatingacertainportionofreviewersduringeachit
7、eration.Thealgorithmreturnstheresulttoanalyzethedistributionofthevariousfeatures,cometodifferentdetectionalgorithmsapplythetypeofspamreviewer.Itiseasyforthepracticalapplicationofthealgorithm.WefurtheremployapseudosupervisedlearningmethodasapostprocessingofIC
8、E.Thismachinelearningmethodnotonlyveri?edtheeffectivenessofICE,butalsocanidentifymoresuspiciousreviewersinadditiontothoseidenti?edbyICE.Experimentsshowthatourmethodscandetectsubtlespamreviewers,
