BIRDNEST：用于评分欺诈检测的贝叶斯推断
人工智能
2018-11-08 v2 社会与信息网络
摘要
评论欺诈是电子商务中普遍存在的问题，欺诈卖家通过撰写或购买虚假评论来操纵其产品和服务的口碑。虚假评论通常基于几个特征被检测到，包括：1）它们在短时间内集中爆发；2）欺诈用户账户具有偏斜的评分分布。然而，在任何给定的数据集中，这两种情况可能都成立。因此，在本文中，我们提出了一种以有原则的方式结合这两种方法来检测虚假评论的方法，即使在其中一个特征不存在时也能成功检测。为了结合这两种方法，我们构建了评分数据贝叶斯推断（Bayesian Inference for Rating Data, BIRD）模型，这是一个灵活的用户评分行为贝叶斯模型。基于我们的模型，我们构建了一个基于似然的可疑度指标，即归一化期望意外总和（Normalized Expected Surprise Total, NEST）。我们提出了一种线性时间算法，使用我们的模型执行贝叶斯推断并计算该指标。在真实数据上的实验表明，BIRDNEST 成功地在大型真实世界图中发现了评论欺诈：由我们的算法标记的 Flipkart 平台上最可疑的 50 个用户经调查后，均被 Flipkart 的领域专家确认为欺诈者。
引用
@article{arxiv.1511.06030,
title = {BIRDNEST: Bayesian Inference for Ratings-Fraud Detection},
author = {Bryan Hooi and Neil Shah and Alex Beutel and Stephan Gunnemann and Leman Akoglu and Mohit Kumar and Disha Makhija and Christos Faloutsos},
journal= {arXiv preprint arXiv:1511.06030},
year = {2018}
}
备注
9 pages; v2: minor typos corrected