基于一致性分析的有限信息下可信评论检测
人工智能
2017-05-09 v1 计算与语言
信息检索
社会与信息网络
机器学习
摘要
在线评论提供了关于产品/服务优缺点的观点，影响潜在客户的购买决策。然而，非可信评论的泛滥——无论是虚假的（推广/贬低某物品）、不胜任的（涉及不相关方面）还是有偏见的——带来了识别可信评论的问题。先前的工作涉及利用关于物品/用户的丰富信息的分类器，这些信息在许多领域可能不易获得，并且对于为何将某评论视为非可信仅提供有限的可解释性。本文提出一种解决上述问题的新方法。我们利用潜在主题模型，借助评论文本、物品评分与时间戳来推导一致性特征，而不依赖“长尾”物品/用户所缺失的物品/用户历史。我们开发了用于计算评论可信度分数的模型，以提供针对非可信评论的可解释证据，这些模型还可迁移到其他领域——从而解决标记数据稀缺的问题。在真实世界数据集上的实验表明相对于最先进基线有所改进。
引用
@article{arxiv.1705.02668,
title = {Credible Review Detection with Limited Information using Consistency Analysis},
author = {Subhabrata Mukherjee and Sourav Dutta and Gerhard Weikum},
journal= {arXiv preprint arXiv:1705.02668},
year = {2017}
}