基于情感极性与SMOTE过采样的虚假评论识别方法

• 全文链接
• 请求原文

作   者：

缪裕青;  欧威健;  刘同来;  刘水清;  文益民; 

作者机构：

桂林电子科技大学广西可信软件重点实验室;  桂林电子科技大学计算机与信息安全学院; 

关键词：

虚假评论;  随机森林;  情感极性;  逻辑回归;  用户行为; 

期刊名称：

计算机应用研究

基金项目：

基于多任务学习的复杂概念漂移数据流分类研究

i s s n：

1001-3695

年卷期：

2018 年 07 期

页   码：

2042-2045

摘   要：

为了有效识别商品虚假评论,提出一种基于情感极性与SMOTE过采样的虚假评论识别方法。首先,根据在线虚假评论的特点,构建一个多维虚假评论特征模型;其次,在情感极性算法中增加了情感极性均值和情感极性标准差等统计指标来全面刻画虚假评论;最后,针对虚假评论中的类不平衡问题,使用SMOTE算法优化随机森林分类模型,从而提高虚假评论识别效果。基于大众点评网的真实评论数据进行了多组实验,实验结果表明该方法在正负样本不平衡的虚假评论数据集中具有更高的准确率、召回率及F值。综合考虑情感极性和正负样本不平衡等因素可帮助电商平台有效过滤虚假评论,为消费者提供更加真实可靠的评论数据。