تشخیص نظر هرز در تبلیغات تجاری برخط با استفاده از شباهت معنایی

امروزه اکثر افراد برای خرید محصولات مورد نظر خود ابتدا به فروشگاه های اینترنتی مراجعه و نظرات دیگر خریداران را در مورد آن - محصول کاوش می کنند و سپس به خرید محصول مورد نظر خود می پردازند. استفاده از نظرات دیگران برای خرید، پتانسیل خوبی برای انحراف افکار ایجاد می کند که بوسیله آن شرکت ها با دستکاری نظرات می توانند سود بالایی کسب کنند و یا حتی شرکت های رقیب را تخریب کنند. در این مقاله روشی برای تشخیص بهتر نظرات هرز(فریبکار) با بکار بردن شباهت معنایی ارائه شده است. برای این منظور ازمجموعه داده های فروشگاه اینترنتی آمازون استفاده شد. این داده ها با رویکردهای مبتنی بر محصول، فرد و گروه با استفاده از فیلدهای: شماره فرد، شمارهمحصول، زمان ارسال نظر، امتیاز داده شده و متن نظر به صورت خودکار به دو دسته نظر هرز و نظر غیر هرز بر چسب گذاری شدند. سپس با استفاده از دسته بندهای بیز ساده، ماشین بردار پشتیبان، درخت تصمیم، K نزدیکترین همسایه ( K-NN ) و رگرسیون لجستیک، مجموعه داده های برچسب گذاری شده را از طریق معیارهای دقت، بازیافت و صحت ارزیابی نمودیم. نتایج نشان داد که اشتراک گیری مبتنی بر شباهت معنایی از رویکردها موثرتر است و نتایج بهتری حاصل می شود.

Keywords:

برچسب گذاری , دسته بند , دقت , مجموعه داده , نظر هرز