基于注意力机制的双向LSTM用于欺骗性评论垃圾分类
计算与语言
2022-01-03 v1
摘要
在线评论在电子商务的决策制定中起着至关重要的作用。许多人根据相应平台上发布的评论来决定去哪些地方、餐厅就餐，买什么以及从哪里购买。欺诈性评论或观点垃圾被归类为不真实或欺骗性的评论。产品或餐厅的正面评论有助于吸引顾客，从而增加销量，而负面评论可能阻碍餐厅发展或产品销量，导致声誉受损和损失。欺诈性评论被故意发布在各种在线评论平台上，以诱骗顾客购买、光顾或抵制某产品或餐厅。它们也被撰写以赞扬或诋毁产品的声誉。本工作旨在将评论检测并分类为欺骗性或真实性。它涉及使用各种深度学习技术对评论进行分类，并概述了所提出的基于注意力机制的双向LSTM方法，以解决评论中语义信息相关问题，以及与基线机器学习评论分类技术的比较研究。
引用
@article{arxiv.2112.14789,
title = {Attention-based Bidirectional LSTM for Deceptive Opinion Spam Classification},
author = {Ashish Salunkhe},
journal= {arXiv preprint arXiv:2112.14789},
year = {2022}
}
备注
arXiv admin note: text overlap with arXiv:1909.04826 by other authors