在线产品评论中极端评论者群体的检测与特征刻画

在线市场常出现以评论形式存在的观点垃圾信息。人们常被雇佣针对特定品牌撰写极度正面或负面的评论，以推广或阻碍这些品牌。此类行为往往以群体方式集体进行。尽管已有一些研究尝试识别并分析这类观点垃圾群体，但针对那些以整个品牌而非仅产品为目标的群体，鲜有探索。本文从 Amazon 产品评论站点收集评论，并人工标注了 923 个候选评论者群体。这些群体通过基于品牌相似性的频繁项集挖掘提取，使得若用户共同评论过大量品牌的（产品），则被聚为一类。我们假设评论者群体的性质依赖于特定于（群体，品牌）对的 8 个特征。我们开发了一个基于特征的有监督模型，将候选群体分类为极端实体。我们运行多个分类器，基于群体用户所写评论对该群体是否表现出极端性进行分类。一个 3 层感知机分类器被证明是最佳分类器。我们进一步详细研究此类群体的行为，以更好地理解品牌级观点欺诈的动态。这些行为包括评分一致性、评论情感、已验证购买、评论日期以及所获有用投票。令人惊讶的是，我们观察到大量已验证评论者表现出极端情感，进一步调查揭示了规避 Amazon 现有防止非官方激励措施的方法。