JARVIS：面向可解释欺骗评论判定的证据导向检索系统
信息检索
2026-05-08 v2
摘要
欺骗评论是指旨在人为操纵产品 perceived quality 的虚构反馈。在现代电子商务生态系统中，这些评论仍是一个关键的治理挑战。尽管在评论级别和基于图的方法方面取得了进展，但仍存在两个关键局限性：泛化性不足和可解释性不足。为此，我们提出JARVIS框架，提供基于增强检索和eVIdence图结构的判决。从待评估的评论开始，它通过混合稠密稀疏多模态检索检索语义相似证据，通过共享实体扩展关系信号，并构建异构证据图。随后，大语言模型进行证据导向的判决，以产生可解释的风险评估。离线实验表明，JARVIS在我们构建的评论数据集上提升了性能，准确率从0.953提升至0.988，召回率从0.830提升至0.901。在生产环境中，该框架实现了召回量增加27%，显著减少了75%的手动检查时间。此外，该模型生成的分析采纳率达到96.4%。
引用
@article{arxiv.2602.12941,
title = {JARVIS: An Evidence-Grounded Retrieval System for Interpretable Deceptive Reviews Adjudication},
author = {Nan Lu and Leyang Li and Yurong Hu and Rui Lin and Shaoyi Xu},
journal= {arXiv preprint arXiv:2602.12941},
year = {2026}
}