-
题名基于残差网络融合多关系评论特征的虚假评论检测
- 1
-
-
作者
雒泽阳
田华
窦英通
李曼文
张泽华
-
机构
太原理工大学信息与计算机学院
伊利诺伊大学芝加哥分校
-
出处
《计算机科学》
CSCD
北大核心
2024年第4期314-323,共10页
-
基金
国家自然科学基金(61702356,51901152)
教育部产学合作协同育人项目(2020021680113)
山西省回国留学人员科研资助项目(2020-040)。
-
文摘
随着电子商务和短视频社区平台的兴起,涌现出的虚假评论严重影响了用户体验。甚至为了对抗平台检测,伪装的评论(Review Camouflage)更加难以辨别。当前基于图神经网络(Graph Neural Networks,GNNs)的虚假评论检测方法在深层训练过程中容易出现网络退化和梯度消失问题。同时评论伪装导致评论标记更加倾斜,从而影响GNNs检测模型的鲁棒性。针对以上问题,提出了一种基于残差网络的检测方法MRDRN,可融合多关系评论特征进行虚假评论识别。首先,为了减缓网络退化,结合残差网络进行深层评论特征提取,并给出一种新的邻居混合采样策略,可根据评论之间的特征相似性进行低阶及高阶邻居混合采样,从而缓解评论标记不均衡的问题并学习更加丰富的评论特征。其次,提出了一种多关系评论特征融合策略,通过关系内评论网络拓扑与多关系间评论特征的整体融合,来减小评论伪装的影响。在3个真实数据集上进行实验,结果表明,MRDRN相比基准方法具有更高的检测能力和更强的鲁棒性。
-
关键词
虚假评论检测
图神经网络
残差网络
评论伪装
多关系特征融合
-
Keywords
Fake review detection
Graph neural network
Residual network
Review camouflage
Multi-relationship features fusion
-
分类号
TP389.1
[自动化与计算机技术—计算机系统结构]
-