揭开评论中的虚假面目：NLP 技术探析

在当代数字环境中，在线评论已成为各行业推广产品与服务不可或缺的工具。营销人员、广告商和在线商家已找到动机为其产品撰写欺骗性正面评论，并为其竞争对手的产品撰写负面评论。因此，撰写欺骗性评论已成为寻求自我推广或削弱对手的商家不可避免的做法。检测此类欺骗性评论已成为一个激烈且持续的研究领域。本研究论文提出一种机器学习模型以识别欺骗性评论，特别关注餐厅领域。本研究深入探讨了在名为欺骗性观点垃圾语料库（Deceptive Opinion Spam Corpus）的餐厅评论数据集上进行的众多实验性能。为此，构建了 n-gram 模型和最大特征以有效识别欺骗性内容，尤其关注虚假评论。开展了一项基准研究以探索两种不同特征提取技术的性能，并将其与五种不同的机器学习分类算法结合。实验结果显示，被动攻击分类器（passive aggressive classifier）在各类算法中脱颖而出，不仅在文本分类中而且在识别虚假评论中均展现出最高准确率。此外，本研究探讨了数据增强并实施了多种深度学习技术以进一步提升欺骗性评论检测过程。研究结果为所提机器学习方法的有效性提供了启示，并为处理在线商业领域的欺骗性评论提供了宝贵见解。