面向应用商店中虚假评论的理解与检测

应用商店包含越来越多以应用评分和评论形式存在的用户反馈。研究与近期工具供应商已提出分析和数据挖掘方案，以将这些反馈提供给开发者和分析人员，例如用于支持发布决策。研究还表明正面反馈可提升应用的下载量与销售数据，进而提升其成功率。作为副作用，一个虚假、受激励的应用评论市场已经出现，其对开发者、应用用户和应用商店运营商的后果尚不明朗。本文研究虚假评论、其提供者、特征，以及它们能被自动检测的程度。我们对43名虚假评论提供者进行了伪装问卷，并研究其评论策略以理解其方法与提供内容。通过将60,000条虚假评论与来自Apple App Store的6,200万条评论进行比较，我们发现显著差别，例如在相应应用、评论者、评分分布和频率之间。这启发了我们开发一种简单分类器来自动检测应用商店中的虚假评论。在包含十分之一虚假评论的、有标注且不均衡的数据集上（如其他领域所报告），我们的分类器达到了91%的召回率和98%的AUC/ROC值。我们讨论了我们的发现及其对软件工程、应用用户和应用商店运营商的影响。