基于 BERT 和 ResNet-50 的多模态假评论检测
人工智能
2025-11-04 v1 计算与语言
计算机视觉与模式识别
摘要
在当前的数字商业环境中，用户生成的评论在塑造消费者行为、产品声誉和平台可信度方面发挥着关键作用。然而，假评论或误导性评论的 proliferation（由机器人、付费代理或 AI 模型生成）常常构成对信任和透明度 within review ecosystems 的重大威胁。现有的检测模型主要依赖单模态，通常仅依赖文本数据，因而无法捕捉不同模态之间的语义不一致。为此，本文提出一种稳健的多模态假评论检测框架，集成了使用 BERT 编码的文本特征和使用 ResNet-50 提取的视觉特征。这些表示通过分类头进行融合，以联合预测评论的真实性。为支持此方法，利用了由 21,142 条用户上传图片组成的精选数据集，覆盖食品配送、酒店住宿和电子商务等领域。实验结果表明，多模态模型在测试集上 F1 分数可达 0.934，显著优于单模态基线。此外，混淆矩阵和定性分析突显了该模型检测细微不一致性的能力，例如将夸大的文本赞美与无关或低质量图片配对，常见于欺骗性内容中。该研究表明了多模态学习在维护数字信任方面的关键作用，并为跨各种在线平台的内容审查提供了可扩展的解决方案。
引用
@article{arxiv.2511.00020,
title = {Multimodal Detection of Fake Reviews using BERT and ResNet-50},
author = {Suhasnadh Reddy Veluru and Sai Teja Erukude and Viswa Chaitanya Marella},
journal= {arXiv preprint arXiv:2511.00020},
year = {2025}
}
备注
Published in IEEE