28、虚假评论检测与基于深度学习的图像检索技术

虚假评论检测与基于深度学习的图像检索技术

1. 虚假评论检测

1.1 检测框架

虚假消费者评论检测引入了一种当代的观点垃圾邮件检测框架，该框架采用了三种独特的算法，并使用混淆矩阵根据基于排名的标记方法对评论进行分类。通过对两个真实世界的数据集进行分类来评估该框架的性能。

1.2 检测效果

• 权重计算有效 ：计算得到的权重在确定垃圾评论方面非常有效，能实现更好的性能。
• 特征计算出色 ：即使在没有训练数据集的情况下，观点垃圾邮件检测也能计算每个关键特征，并在添加特征的过程中产生出色的性能。
• 少量特征出佳绩 ：仅使用少量特征就能产生更好的结果。
• 行为特征表现优 ：在四种特征类别中，评论行为组的表现优于其他类别。
• 监督方式影响小 ：应用不同的监督方式，如半监督方法，对确定大多数加权特征几乎没有显著影响。

1.3 未来方向

• 算法适应复杂问题 ：将三种独特的算法概念应用于该领域的复杂问题。
• 识别垃圾评论农场 ：构建类似的框架来确定垃圾评论农场，通过分组垃圾评论者特征建立评论之间的联系。
• 利用产品特征 ：利用产品特征是一个有吸引力的未来任务，因