基于保词序CNN的精确欺骗性评论垃圾检测
计算与语言
2018-03-20 v2
摘要
如今，深度学习已被广泛使用。在自然语言学习中，因其高度的灵活性，复杂语义的分析得以实现。欺骗性评论检测是深度学习模型中的一个重要应用领域，相关机制已受到关注与研究。在线评论篇幅短、类型多样且内容繁杂。为有效识别欺骗性评论，我们需要全面研究其特征，并探索除文本语义与情感极性（已在文本分析中被广泛使用的特征）之外的新特征。基于深度学习的检测机制具有更好的自适应性，能有效识别各类欺骗性评论。本文通过在卷积层与池化层中嵌入词序特征来优化卷积神经网络模型，使卷积神经网络更适用于各类文本分类与欺骗性评论检测。基于TensorFlow的实验表明，本文提出的检测机制取得了更精确的欺骗性评论检测结果。
引用
@article{arxiv.1711.09181,
title = {Towards Accurate Deceptive Opinion Spam Detection based on Word Order-preserving CNN},
author = {Siyuan Zhao and Zhiwei Xu and Limin Liu and Mengjie Guo},
journal= {arXiv preprint arXiv:1711.09181},
year = {2018}
}