شناسایی نظرات جعلی با استفاده از اهمیت وزن کلمات و ترتیب جملات

در تجارت الکترونیکی، یک عامل کلیدی و تاثیر گذار در تصمیم گیری مشتریان برای خرید، نظرات آنلاین هستند. به دلیل اعتماد کاربران به نظرات آنلاین، بعضی از افراد یا شرکت ها برای رسیدن به سود بیشتر، نظرات جعلی تولید می کنند که یا نظرات مثبت در خصوص کالاها یا سرویس های مورد نظرشان هستند و یا نظرات منفی در مورد کالاها یا سرویس های ارایه شده توسط شرکت های رقیب می باشند. بنابراین تمامی نظرات آنلاین واقعیت ندارند ذو ایجاد تکنیک هایی برای شناسایی نظرات جعلی از اهمیت بالایی برخوردار است. این تحقیق مبتنی بر مدل SWNN است که از شبکه های عصبی کانولوشنی استفاده می کند. بنابراین فرض می شود. مجموعه ای از نظرات برچسب خورده موجود است که در این مجموعه، هم نظرات جعلی و هم نظرات واقعی به میزان کافی وجود دارند. جملات و کلمات یک نظر به عنوان ویژگی های آن در نظر گرفته می شود. کلمات به کمک روش های تعبیه کلمه به بردارهایی تبدیل شده و سپس به کمک آنها ، بردارهای مربوط به جملات و نظرات به دست می آیند. در این مدل وزن کلمات با استفاده از واگرایی کولبک لیبلر محاسبه شده و وزن جملات، مجموع وزن نرمال شده کلمات در جمله در نظر گرفته می شود. در این روش، ترتیب قرار گرفتن جملات تاثیری در اهمیت آنها ندارد. در صورتیکه معمولا جملات اول و انتهاب در نظر شامل نکات کلیدی و نتیجه گیری می باشد. بنابراین، در روش پیشنهادی، وزن جملات اول و آخر را دو برابر در نظر گرفته ایم. ارزیابی ها و ازمایش های انجام شد است نشان داده اند که روش پیشنهادی عملکردی نسبت به روش SWNN دارد.

Keywords:

نظرات جعلی , یادگیری عمیق , شبکه عصبی کانولوشنی , نمایش سند