27、基于意见挖掘和半监督技术的评论垃圾检测

基于意见挖掘和半监督技术的评论垃圾检测

1. 背景与问题提出

随着互联网的日益普及，在线营销愈发流行，大量产品和服务可在线获取，产品和服务的评论对客户和企业都至关重要。然而，受利益或推广驱动，欺诈者会撰写虚假评论，即评论垃圾。这些虚假评论阻碍了客户和企业对产品得出真实结论，严重影响电子商务业务。

虚假评论通常有两个目的：一是推广目标对象（正面虚假评论或正面垃圾评论），二是损害其他目标的声誉（负面虚假评论或负面垃圾评论）。评论垃圾一般分为三类：
- 不实意见：欺诈者为推广目标撰写正面虚假意见称为过度垃圾评论；为损害目标声誉撰写负面虚假意见称为诋毁垃圾评论。
- 仅针对品牌的评论：欺诈者只谈论产品的品牌，而非产品本身。
- 非评论内容：欺诈者撰写与产品完全无关的内容，如广告或无关意见。

非评论内容可手动轻松识别，因此后续主要考虑不实意见和仅针对品牌的评论。

2. 相关工作

过去在垃圾检测领域（如电子邮件垃圾、网页垃圾、短信垃圾）已有很多研究。
- 电子邮件垃圾：若发送者直接或间接向用户发送与用户无关的非请求电子邮件，则为电子邮件垃圾。相关研究展示了如何高精度检测钓鱼邮件，以及如何结合多个电子邮件过滤器以提供反垃圾屏障。
- 网页垃圾：指欺骗搜索引擎以提高特定网站排名的行为。有研究提供了基于图的网页垃圾检测方法，并提出了 WITCH 算法，该算法优于许多现有技术。
- 短信垃圾：若有人通过通信媒体（如手机）发送非请求消息，则为短信垃圾。有研究使用各种内容特征来检测短信垃圾。

意见垃圾检测最早于 2008 年由 Jindal 和 Liu 提出，他们将评论垃圾分为三类