电商虚假评论识别与检测技术探析

随着互联网的高速发展,网络购物成为很多人的日常生活习惯,特别是在新冠疫情的影响下,网络购物的"无接触性"得到了充分发挥,但同样由于消费者无法实际接触商品,选购依据则主要依赖于已购买消费者对商品的评价,由此催化了电商虚假评论不断涌现。笔者阐述了电商虚假评论的形成动机与研究意义,并从评论内容、评论者特性及两者相融合3个维度对电商虚假评论识别与检测技术的发展与现状进行探析,最后展望了未来的研究方向。

数据挖掘方法与技术在虚假评论者检测中的应用研究进展

虚假评论的存在严重扰乱了公平公正的市场竞争秩序,对虚假评论的识别和检测是函待研究的问题。虚假评论者是虚假评论行为的构成主体之一,多个虚假评论者通过相互协同构成了虚假评论群组,但现有综述缺乏对虚假评论者相关研究的专门述评。文章对相关中文文献进行了回顾和分析,总结了近年来国内数据挖掘方法与技术在虚假评论者和虚假评论群组检测中的应用,认为虚假评论检测领域未来可从正面和负面虚假评论的区别检测、虚假评论者数据集的建立、数据挖掘算法和框架的建立等方面开展深入研究。

虚假评论检测技术综述

随着互联网的发展,用户倾向于在购物、旅游、用餐之前参考线上评论.之后,他们也会发表评论来表达自身意见.线上评论越来越具有价值.评论对用户决策的重要导向作用催生了虚假评论.虚假评论,指用户由于利益、个人偏见等因素发布的不符合产品真实特性的评论.这些虚假评论语言上模仿真实评论,消费者很难识别出来.国内外学者综合运用自然语言处理技术来研究虚假评论检测问题.从特征工程的角度分析,虚假评论检测方法可以分为三类:基于语言特征和行为特征的方法、基于图结构的方法、基于表示学习的方法.主要描述了检测的一般流程,归纳了三类研究方法常用的特征,比较了方法的优缺点,并且介绍了研究常用的数据集.最后探讨了未来研究方向.