감독 기계 학습을 이용한 가짜 리뷰 탐지

전자상거래 시스템의 지속적인 발전에 따라, 온라인 리뷰는 좋은 평판을 구축하고 유지하는 데 있어 중요한 요소로 간주됩니다. 또한, 최종 사용자의 의사 결정 과정에서 효과적인 역할을 합니다. 일반적으로, 대상 객체에 대한 긍정적인 리뷰는 더 많은 고객을 유치하고 매출을 크게 증가시킵니다. 요즘, 허위 또는 가짜 리뷰는 가상의 평판을 구축하고 잠재 고객을 유치하기 위해 의도적으로 작성됩니다. 따라서 가짜 리뷰를 식별하는 것은 활발하고 진행 중인 연구 분야입니다. 가짜 리뷰를 식별하는 것은 리뷰의 주요 기능뿐만 아니라 리뷰어의 행동에 의존합니다. 이 논문은 가짜 리뷰를 식별하기 위한 기계 학습 접근 방식을 제안합니다. 리뷰의 특징 추출 과정에 더하여, 이 논문은 리뷰어의 다양한 행동을 추출하기 위해 여러 기능 공학을 적용합니다. 이 논문은 사용자 행동에서 추출한 특징이 있는 경우와 없는 경우의 실제 Yelp 레스토랑 리뷰 데이터셋에서 수행된 여러 실험의 성능을 비교합니다. 두 경우 모두, KNN, Naive Bayes(NB), SVM, 로지스틱 회귀 및 랜덤 포레스트와 같은 여러 분류기의 성능을 비교합니다. 또한, n-그램의 다양한 언어 모델인 특히 바이그램 및 트라이그램도 평가 중 고려됩니다. 결과는 KNN(K=7)이 f-score 측면에서 나머지 분류기를 초월하여 최고의 f-score인 82.40%를 달성했음을 보여줍니다. 결과는 추출된 리뷰어 행동 특성을 고려할 때 f-score가 3.80% 증가했음을 나타냅니다.