تشخیص نظرات هرز در تبلیغات تجاری برخط

امروزه اکثر افراد برای خرید محصولات مورد نظر خود ابتدا به فروشگاه های اینترنتی مراجعه و نظرات دیگر خریدارانرا در مورد آن محصول کاوش می کنند و سپس به خرید محصول مورد نظر خود می پردازند. استفاده از نظرات دیگرانبرای خرید، پتانسیل خوبی برای انحراف افکار ایجاد می کند که بوسیله آن شرکتها با دستکاری نظرات می توانندسود بالایی کسب کنند و یا حتی شرکتهای رقیب را تخریب کنند. در این مقاله روشی برای تشخیص بهتر نظراتهرز (فریبکار) با بکار بردن شباهت معنایی ارائه شده است. برای این منظور ازمجموعه داده های فروشگاه اینترنتیآمازون استفاده شد. این دادهها با رویکردهای مبتنی بر محصول، فرد و گروه با استفاده از فیلدهای: شماره فرد،شماره محصول، زمان ارسال نظر، امتیاز داده شده و متن نظر به صورت خودکار به دو دسته نظر هرز و نظر غیر هرز برچسب گذاری شدند. سپس بوسیله دسته بندهای بیز ساده، ماشین بردار پشتیبان، درخت تصمیم و K نزدیکترین همسایه (K-NN)، مجموعه دادههای برچسبگذاری شده را با معیارهای F و صحت ارزیابی نمودیم. نتیجه اینکه شباهت معنایی را با اشتراک تمامی رویکردها ترکیب نمودیم و در این میان درخت تصمیم بهترین نتایج را داشت.

Keywords:

برچسب گذاری , دستهبند , دقت , مجموعه داده , نظر هرز