使用监督学习识别虚假评论的数据分析

搜索

使用监督学习识别虚假评论的数据分析

全文直达

引用

打印

摘要：虚假评论，也称为欺骗性意见，用于误导人们，最近变得越来越普遍。这是由于在线营销交易的快速增长，例如销售和采购。电子商务为客户提供了一种设施，可以在购买时发布有关产品或服务的评论和评论。新客户通常会在做出购买决定之前浏览网站上发布的评论或评论。然而，当前的挑战是新人如何区分真实评论和虚假评论，从而欺骗客户、造成损失并损害公司声誉。本文尝试开发一种智能系统，该系统可以使用评论文本的 n-gram 和评论者给出的情感分数来检测电子商务平台上的虚假评论。本研究采用的拟议方法使用标准的酒店评论数据集进行实验和数据预处理方法，并使用词频 - 逆文档频率 (TF-IDF) 方法提取特征。对于检测和分类，本文将评论文本的 n-gram 输入到构建的模型中，以分类为虚假或真实。然而，实验是使用四种不同的监督机器学习技术进行的，并在从 Trip Advisor 网站收集的数据集上进行了训练和测试。这些实验的分类结果表明，朴素贝叶斯 (NB)、支持向量机 (SVM)、自适应增强 (AB) 和随机森林 (RF) 分别获得了 88%、93%、94% 和 95% 的基于关于测试准确性和 tje F1 分数。作者将获得的结果与使用相同数据集的现有工作进行比较，所提出的方法在准确性方面优于可比较的方法。

关键词：

电子商务；虚假评论检测；方法；机器学习；酒店点评

Universe Scientific Publishing

ISSN：2661-3719

年,卷(期)：2022,4(5)