Revisión de la Detección de Spammers de Reseñas en Línea Basada en Grafos

Las reseñas en línea proporcionan información valiosa sobre productos y servicios a los consumidores. Sin embargo, los spammers se están uniendo a la comunidad tratando de engañar a los lectores escribiendo reseñas falsas. Los intentos previos de detección de spammers utilizaron los comportamientos de los reseñadores, la similitud de texto, características lingüísticas y patrones de calificaciones. Esos estudios son capaces de identificar ciertos tipos de spammers, por ejemplo, aquellos que publican muchas reseñas similares sobre una entidad objetivo. Sin embargo, en realidad, hay otros tipos de spammers que pueden manipular sus comportamientos para actuar como reseñadores genuinos, y por lo tanto no pueden ser detectados por las técnicas disponibles. En este trabajo, proponemos un concepto novedoso de un grafo de reseñas heterogéneo para capturar las relaciones entre los reseñadores, las reseñas y las tiendas que han revisado. Exploramos cómo las interacciones entre nodos en este grafo pueden revelar la causa del spam y proponemos un modelo iterativo para identificar a reseñadores sospechosos. Esta es la primera vez que se han identificado tales relaciones intrincadas para la detección de spam en reseñas. También desarrollamos un método de computación efectivo para cuantificar la fiabilidad de los reseñadores, la honestidad de las reseñas y la confiabilidad de las tiendas. A diferencia de los enfoques existentes, no utilizamos información del texto de las reseñas. Nuestro modelo es, por lo tanto, complementario a los enfoques existentes y capaz de encontrar actividades de spam más difíciles y sutiles, que son aceptadas por jueces humanos después de evaluar nuestros resultados.