基于双循环图的虚假评论检测算法

由于对商店的在线评论能给顾客提供许多有价值的信息并极大地影响商店的信誉度,因此,在利益的驱使下出现了大量虚假评论,扰乱了市场秩序。许多商店或个人通过虚假评论故意吹捧或诋毁特定商店,从而达到获利的目的,因此提出有效的虚假评论检测方法至关重要。文中基于大量用户、评论和商店之间的关系构建图过滤器,经过迭代计算获得用户、评论和商店的置信度,从而发现虚假评论。其中包括3个关键问题:获取可靠的用户、评论和商店置信度,有效地辨识真实评论,准确发现虚假评论及虚假用户。针对提高用户、评论和商店置信度的可靠性问题,文中提出了一种循环迭代的方法来获取可靠的用户、评论和商店置信度;为了更加有效地发现虚假评论和虚假用户,设计了一种加权图过滤器,通过与获取的可靠置信度结合,得到了一种双循环图过滤检测算法。将所提检测算法应用到Yelp数据集上展开实验,验证了所虚假检测算法可以有效检测虚假评论。