面向電子商務(wù)的虛假評論識別研究.pdf

1、隨著電子商務(wù)的高速發(fā)展，越來越多消費者參與到在線評論互動中，由此產(chǎn)生了大量在線商品評論，并且數(shù)量呈爆炸式增長。然而巨大的用戶群與潛在的利益關(guān)系，使虛假評論被廣泛地制造與傳播，導(dǎo)致了虛假評論的泛濫。大量的虛假評論會擾亂消費者的判斷，使消費者做出錯誤決策，嚴(yán)重破壞了電子商務(wù)的秩序。因此識別并過濾這些虛假評論有著重要的理論價值及現(xiàn)實意義。
　　論文以大眾點評網(wǎng)(http://www.dianping.com)的在線評論為基礎(chǔ)，針對虛假評

2、論識別問題開展研究，主要研究工作有：
　　(1)針對虛假評論識別中正負(fù)樣本不平衡(真實評論數(shù)量要遠(yuǎn)多于虛假評論數(shù)量)導(dǎo)致識別效果不理想的問題，提出了虛假評論識別改進(jìn)算法SMOTE-RF(SMOTE and Random Forest)。算法將SMOTE(Synthetic Minority Over-sampling Technique)過抽樣算法和隨機(jī)森林算法應(yīng)用到虛假評論識別中，利用SMOTE算法重構(gòu)訓(xùn)練集，使原先正負(fù)樣本不平

3、衡的數(shù)據(jù)平衡化，提高隨機(jī)森林模型構(gòu)建過程中Bootstrap抽樣階段抽中虛假評論樣本的概率，以此減少正負(fù)樣本不平衡引起的識別誤差。實驗結(jié)果表明，與其他虛假評論識別算法相比，SMOTE-RF算法的識別效果有較大的提高。
　　(2)深入研究了虛假評論的內(nèi)容特點與虛假評論者異常行為特點，發(fā)現(xiàn)情感極性和用戶行為等因素對虛假評論識別是有影響的，而已有虛假評論識別方法大部分沒有考慮這些影響。針對這一問題，提出一個多維虛假評論特征模型。在情感極

4、性算法中引入情感密度、情感穩(wěn)定性來反映評論的情感表達(dá)異常程度，并結(jié)合評論文本相似度、用戶評論頻繁度、用戶關(guān)注異常度等特征來全面刻畫虛假評論。實驗結(jié)果表明，情感極性和用戶行為特征對虛假評論識別起到很大的作用，與其他虛假評論識別方法相比，加入多維虛假評論特征模型的SMOTE-RF方法具有較高的識別準(zhǔn)確率、召回率及F值。
　　(3)深入研究了虛假評論的時空特征，發(fā)現(xiàn)真實評論與虛假評論在時空特征上存在差異性，針對現(xiàn)有虛假評論識別方法忽略時