为何“芝加哥”能预测虚假评论？利用大语言模型从词汇线索中发现语言现象
计算与语言
2026-05-14 v2 机器学习
摘要
虚假评论误导消费者，损害企业利益，并破坏在线市场的信任。机器学习分类器可以从大量数据中学习，以区分虚假评论和真实评论。然而，这些分类器学习到的区分特征通常是微妙、零散且难以被人类解释的，这可能会阻碍用户的理解和信任。在这项工作中，我们研究了大语言模型（LLMs）是否能够将这种不直观的词汇线索转化为人类可理解的语言现象。我们提出了一个“先猜想后验证”的框架，并表明通过这种方式获得的语言现象在数据中具有经验基础，可在相似领域间泛化，并且比从LLMs的先验知识或上下文学习中得出的现象更具预测性。这些现象可以帮助人们在无法使用虚假评论检测分类器的环境中，批判性地评估在线评论的可信度。
引用
@article{arxiv.2511.13658,
title = {Why is "Chicago" Predictive of Deceptive Reviews? Using LLMs to Discover Language Phenomena from Lexical Cues},
author = {Jiaming Qu and Mengtian Guo and Yue Wang},
journal= {arXiv preprint arXiv:2511.13658},
year = {2026}
}