基于半监督学习算法的虚假评论识别研究.docx

第 46 卷 第 3 期 四 川 大 学 学 报 ( 工 程 科 学 版 ) Vol． 46 No． 3 2014 年 5 月 JOUＲNAL OF SICHUAN UNIVEＲSITY ( ENGINEEＲING SCIENCE EDITION) May 2014  文章编号: 1009-3087( 2014) 03-0062-08 基于半监督学习算法的虚假评论识别研究 任亚峰，姬东鸿* ，尹 兰 ( 武汉大学 计算机学院，湖北 武汉 430072) 摘 要: 已有的虚假评论识别方法主要采用启发式策略或简单特征建模。针对这些方法的不足，提出使用机器学 习方法识别虚假评论。首先整合计算语言学与心理语言学的知识对评论文本进行建模，使用全监督学习算法来评 价不同特征建模的性能，选出最好的特征组合。为了提高识别性能，设计 2 种半监督学习算法充分利用大量的未 标注文本。实验结果证实所提算法超过当前的基准。 关键词: 机器学习; 半监督学习; 计算语言学; 虚假评论 中图分类号: TP391 文献标志码: A Deceptive Ｒeviews Detection Based on Semi-supervised Learning Algorithm ＲEN Yafeng，JI Donghong* ，YIN Lan ( Computer School，Wuhan Univ． ，Wuhan 430072，China) Abstract: Machine learning methods were presented to identify deceptive reviews． With the integration of knowledge from computational linguistics and psycholinguistics，supervised method was developed to evaluate the performance of different feature modelings，and select the best mixed features． Then，two semi-supervised learning methods were designed to exploit the large amount of unlabeled data． The re- sults showed the proposed methods outperform the current baselines． Key words: machine learning; semi-supervised learning; computational linguistics; deceptive reviews 互联网的出现逐步改变了人们表达观点以及同 他人交际的方式。人们可以在交易网站、论坛和博 客上大量的写下他们的评论和观点，这种由网络用 户所贡献的内容被称为用户生成内容。当前，消费 者在购买产品或者服务前，通常会阅读与该产品或 服务相关的评论以决定是否购买。商业群体也可根 据这些评论信息适时调整其产品和市场策略。因 此，以产品评论为载体的情感分析和观点挖掘成了 人工智能研究的热门话题［1 － 2］。 情感分析与观点挖掘的研究工作有着共同的前 提: 所采用的观点源( 评论文本) 是真实可信的。由 于观点信息可以引导消费者的购买行为，好的评论 会给商业组织和个体带来好的名声，导致巨大的经 济效益，这在一定程度上促使了虚假评论的产生。 因此，实际使用的观点源中肯定存在着大量的虚假 评论，识别并过滤这些虚假评论有着重要的现实意 义和理论价值。通过对虚假评论的观察以及前人工 作的研究［3 － 4］，虚假评论分为以下 2 类: 1) 类型 1( 欺骗性评论) : 指故意写下好评论以 促进该产品的销售，或者故意写下差评论来破坏产 品的名声，由此而产生的评论。 2) 类型 2( 破坏性评论) : 此类评论主要是一些 广告以及不含观点信息的随机评论。 先前的工作主要集中于破坏性评论的识别和过 滤，这种评论对消费者的威胁不大，因为人们可以轻 易的识别并忽略。然而，到目前为止，欺骗性评论的 检测工作不是很多，并且效果不好。本研究主要面 向于这种识别难度更大的虚假评论。 收稿日期: 2013 － 10 － 30 基金项目: 国家自然科学基金重点项目( ; 国家自然科学基金资助项目( ) ; 中央高校基本科研业务费专项资金资助项 目( 2012211020210) 作者简介: