基于深度学习的垃圾评论检测
计算与语言
2022-11-04 v1 人工智能
机器学习
摘要
在当今世界中，为了在不被在线网站欺骗的情况下购买产品，一个健壮可靠的垃圾评论检测系统迫在眉睫。许多在线网站都有发布评论的选项，从而为虚假付费评论或不实评论创造了空间。这些捏造的评论可能误导公众，并使他们陷入是否相信该评论的困惑。已引入显著的机器学习技术来解决垃圾评论检测问题。当前大多数研究集中于监督学习方法，其需要标注数据——在在线评论方面这是一个不足。我们在本文中的重点是检测任何欺骗性文本评论。为了实现这一点，我们处理了标注和未标注数据，并提出了用于垃圾评论检测的深度学习方法，包括多层感知机（MLP）、卷积神经网络（CNN）和一种循环神经网络（RNN）的变体即长短期记忆（LSTM）。我们还应用了一些传统机器学习分类器，如朴素贝叶斯（NB）、K 近邻（KNN）和支持向量机（SVM）来检测垃圾评论，最后我们展示了传统与深度学习分类器的性能比较。
引用
@article{arxiv.2211.01675,
title = {Spam Review Detection Using Deep Learning},
author = {G. M. Shahariar and Swapnil Biswas and Faiza Omar and Faisal Muhammad Shah and Samiha Binte Hassan},
journal= {arXiv preprint arXiv:2211.01675},
year = {2022}
}