一种改进图神经网络的虚假评论检测方法

• 全文链接
• 请求原文

作   者：

袁紫烟;  任勋益;  黄家铭; 

作者机构：

南京邮电大学计算机学院、软件学院、网络空间安全学院; 

关键词：

图神经网络;  虚假检测;  特征工程;  GraphSAGE;  TrustRank; 

期刊名称：

软件导刊

i s s n：

1672-7800

年卷期：

2024 年 003 期

页   码：

27-33

摘   要：

电商平台中的虚假评论存在误导消费者购买决策、损害消费者和合法商家权益的问题。现有的虚假评论识别方法难以发现虚假评论之间的隐含关联。为了提高虚假评论检测的分类效果，提出一种基于TrustRank算法和图神经网络的虚假评论检测方法。首先，通过构建虚假评论相关特征，计算出特征的重要性分数；其次，结合改进TrustRank方法计算评论的可疑值，利用自适应邻域采样策略对图中节点进行有偏向和自适应地选择并生成目标节点的邻域，以此改进GraphSAGE的随机采样算法；最后，使用Yelp数据集对该模型进行验证。结果表明，TR-GraphSAGE模型相比于LSTM、TextCNN、GCN和GraphSAGE，在准确率、召回率与F1 3个方面分别提升了5.86%、15.01%和10.12%。TR-GraphSAGE模型能够降低噪音对预测的影响，保证邻域信息的质量和数量，从而提高关联特征表示质量，为虚假评论检测提供了一种新方法。