基于个人-群体-商户关系模型的虚假评论识别研究
余传明1, 冯博琳1, 左宇恒1, 陈百云1, 安璐2,†(
2. 武汉大学信息管理学院, 武汉 430072
收稿日期:
2016-07-22修回日期:
2016-09-24出版日期:
2016-11-30基金资助:
国家自然科学基金(71373286, 71603189)资助An Individual-Group-Merchant Relation Model for Identifying Online Fake Reviews
Chuanming YU1, Bolin FENG1, Yuheng ZUO1, Baiyun CHEN1, Lu AN2,†(
2. School of Information Management, Wuhan University, Wuhan 430072
Received:
2016-07-22Revised:
2016-09-24Published:
2017-03-20RichHTML
9
可视化
0复制本文网址
1. 探讨2016版国际胰瘘研究小组定义和分级系统对胰腺术后患者胰瘘分级的影响.PDF(500KB)
-->
摘要/Abstract
摘要: 从评论利益相关者内容与行为特征相结合的角度, 提出一种基于个人-群体-商户的主体关系模型(IGMRM)。选择93家店铺中9558个不同IP的97804条评论作为样本数据进行实验, 结果表明, IGMRM在识别虚假评论者、存在信用操纵的商铺以及虚假评论者群体的 F1 值分别达到 82.62%、59.26%和95.12%。使用基于评论内容的逻辑回归模型和 K 最邻近模型作为基线分类方法, 识别虚假评论者的 F1 值分别为52.63%和76.75%, 表明IGMRM在识别虚假评论者方面优于传统方法。
中图分类号:
-->TP391
引用本文
余传明, 冯博琳, 左宇恒, 陈百云, 安璐. 基于个人-群体-商户关系模型的虚假评论识别研究[J]. 北京大学学报自然科学版, 2017, 53(2): 262-272.
Chuanming YU, Bolin FENG, Yuheng ZUO, Baiyun CHEN, Lu AN. An Individual-Group-Merchant Relation Model for Identifying Online Fake Reviews[J]. Acta Scientiarum Naturalium Universitatis Pekinensis, 2017, 53(2): 262-272.
PDF全文下载地址:
http://xbna.pku.edu.cn/CN/article/downloadArticleFile.do?attachType=PDF&id=3077