基于產(chǎn)品評論的垃圾評論者檢測方法.pdf

1、最近幾年，網(wǎng)上很多的文本信息愈來愈成為產(chǎn)品，服務或事件等有價值的觀點信息源。而且現(xiàn)在已有很多的研究工作者開始從事比如產(chǎn)品評論，論壇熱帖以及微博等觀點信息源的情感分析方面的研究。在研究的早期階段，人們大多將研究重心放在依賴于自然語言處理和數(shù)據(jù)挖掘技術(shù)的觀點抽取及情感分類問題上，但是一個不容忽視的問題是垃圾評論（或虛假評論、不可信評論）會給研究工作造成極大的危害，因此如何在大量的評論當中識別出那些垃圾評論及垃圾評論者是情感分析研究的前提，同

2、時也是一個巨大的挑戰(zhàn)。
　　在這個互聯(lián)網(wǎng)極為發(fā)達的社會，越來越多的人們會選擇從網(wǎng)絡中獲取所需的信息，且很多人們愿意通過網(wǎng)絡分享、交流他們對于某種事物的看法和所持的態(tài)度。其中最典型的便是網(wǎng)絡購物，而這些電商平臺上的在線評論提供了大量有價值的包括產(chǎn)品和服務的信息，然而這也給某些產(chǎn)品制造商或經(jīng)銷商帶來了對評論作弊的利益驅(qū)動，他們會雇傭那些作弊者撰寫垃圾評論來誤導消費者做出錯誤的選擇，從而提高自己的市場份額，增加自己的利潤。
　　本

3、文所研究的對象主要是基于電商平臺的產(chǎn)品評論和商店評論。首先本文對垃圾評論（者）檢測的研究現(xiàn)狀進行了總結(jié)，詳細分析了本文所用的數(shù)據(jù)集及相關(guān)算法，并提出了一種創(chuàng)新的垃圾評論者檢測多重邊圖模型，模型通過對那些針對同一商品進行評論的評論者所持的態(tài)度，將這些評論者之間的關(guān)系抽象為支持邊和反對邊，然后在迭代計算過程中融入評論者特征。本文提出的算法借鑒了TrustRank的某些思想但是卻又不盡相同。最后通過實驗對我們的模型和算法進行了驗證，評測結(jié)果表