基于半监督二值多目标张量分解的评论滥用检测
机器学习
2019-05-27 v2 机器学习
摘要
电子商务网站上的产品评论和评分向客户提供了关于产品质量、有用性等各方面的详细见解。由于它们影响客户的购买决策，产品评论已成为卖家（与评论者串通）推广自身产品或诋毁竞争对手产品声誉的滥用温床。在本文中，我们的重点是通过对产品评论数据应用张量分解来检测此类滥用实体（包括卖家和评论者）。虽然张量分解大多是无监督的，我们将问题表述为半监督二值多目标张量分解，以利用当前已知的滥用实体。我们凭经验表明，与无监督技术相比，我们的多目标半监督模型在检测滥用实体时实现了更高的准确率和召回率。最后，我们表明我们提出的针对模型的随机偏自然梯度推断（stochastic partial natural gradient inference）在经验上比随机梯度和带充分统计量的 Online-EM 收敛更快。
引用
@article{arxiv.1905.06246,
title = {Detection of Review Abuse via Semi-Supervised Binary Multi-Target Tensor Decomposition},
author = {Anil R. Yelundur and Vineet Chaoji and Bamdev Mishra},
journal= {arXiv preprint arXiv:1905.06246},
year = {2019}
}
备注
Accepted to the 25th ACM SIGKDD Conference on Knowledge Discovery and Data Mining, 2019. Contains supplementary material. arXiv admin note: text overlap with arXiv:1804.03836