基于在线欺骗的在线特征识别系统研究.docxVIP

基于在线欺骗的在线特征识别系统研究 web2.0的到来极大地改变了人们之间的沟通方式。人们通过各种社交媒体平台（如日记、鲤鱼、论坛、ps）发表自己的观点，与他人互动，共同决策。然而, 用户名可随意改变以及内容操纵这2个特性使得用户生成数据易受别有用心人的影响［１］。在我国, 这些被雇佣发布虚假评论的人被称为“网络水军”, 由于其发帖数量的异常庞大被称为 “web2.0 时代大规模杀伤性武器”。美国伊利诺斯州大学芝加哥分校教授刘冰 (Bing Liu) 近日在接受《纽约时报》采访时称, 亚马逊上约1/3的产品评论都是虚假的。 市场研究机构Gartner的报告显示, 到2014 年, 有10% ~15% 的社交媒体的评论将会掺有虚假成分［２］。同时, 某些网络公关公司常常通过在各种社交网站发布虚假评论的方式制造社会热点, 误导网民, 企图控制和引导舆论进而影响政府或者企业的决策。由此可见, 虚假评论是面向社会化媒体数据中一个相对普遍的现象, 严重地影响了这类数据的真实性。 欺骗识别是采用自动化的方法从系统属性和语言特征2个方面识别虚假评论。之前有很多关于自动识别虚假商品评论的系统, 主要依靠总结发帖人的发布行为, 这些系统属性特征包括:发帖人用户名、发帖时间间隔［３］、链接地址［３－４］、分类标签［５］等。尽管这些特征对欺骗识别被证明是有效的, 但是, 很多被总结的系统特征已经被欺骗