基于图卷积网络的垃圾评论检测
信息检索
2019-08-29 v1 机器学习
网络与互联网体系结构
摘要
客户每天在Amazon和淘宝等网购网站上产生大量评论。评论影响客户的购买决策，同时也吸引了众多旨在误导买家的垃圾信息发布者。闲鱼作为中国最大的二手商品应用，正遭受垃圾评论的困扰。闲鱼的反垃圾系统面临两大挑战：数据规模的可扩展性以及垃圾信息发布者采取的对抗行为。本文中，我们提出了应对这些挑战的技术方案。我们提出一种基于图卷积网络（GCN）的大规模反垃圾方法，用于检测闲鱼上的垃圾广告，称为基于GCN的反垃圾（GAS）模型。该模型整合异质图和同质图，以捕获评论的局部上下文和全局上下文。离线实验表明，所提方法优于我们的基线模型，后者利用了评论信息、用户特征及被评论商品特征。此外，我们将系统部署到闲鱼，每日处理百万级规模数据。线上性能也证明了所提方法的有效性。
引用
@article{arxiv.1908.10679,
title = {Spam Review Detection with Graph Convolutional Networks},
author = {Ao Li and Zhou Qin and Runshi Liu and Yiqun Yang and Dong Li},
journal= {arXiv preprint arXiv:1908.10679},
year = {2019}
}
备注
Accepted at CIKM 2019