論文の概要: Fake Reviews Detection through Analysis of Linguistic Features
- arxiv url: http://arxiv.org/abs/2010.04260v1
- Date: Thu, 8 Oct 2020 21:16:30 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-09 12:33:30.848401
- Title: Fake Reviews Detection through Analysis of Linguistic Features
- Title（参考訳）: 言語特徴の分析による偽レビューの検出
- Authors: Faranak Abri, Luis Felipe Gutierrez, Akbar Siami Namin, Keith S.
Jones, David R. W. Sears
- Abstract要約: 本稿では,偽レビューを識別するための自然言語処理手法について検討する。
ニセモノと信頼できるオンラインレビューを区別するために,15の言語的特徴について検討した。
これらの言語的特徴を用いて,実際のレビューから偽の識別を高精度に行うことができた。
- 参考スコア（独自算出の注目度）: 1.609940380983903
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Online reviews play an integral part for success or failure of businesses.
Prior to purchasing services or goods, customers first review the online
comments submitted by previous customers. However, it is possible to
superficially boost or hinder some businesses through posting counterfeit and
fake reviews. This paper explores a natural language processing approach to
identify fake reviews. We present a detailed analysis of linguistic features
for distinguishing fake and trustworthy online reviews. We study 15 linguistic
features and measure their significance and importance towards the
classification schemes employed in this study. Our results indicate that fake
reviews tend to include more redundant terms and pauses, and generally contain
longer sentences. The application of several machine learning classification
algorithms revealed that we were able to discriminate fake from real reviews
with high accuracy using these linguistic features.
- Abstract（参考訳）: オンラインレビューは、ビジネスの成功や失敗に不可欠な役割を果たす。
サービスや商品を購入する前に、顧客はまず、前の顧客が提出したオンラインコメントをレビューする。
しかし、偽造や偽レビューを投稿することで、一部のビジネスを表面的に強化または妨げることができる。
本稿では,偽レビューを識別する自然言語処理手法を提案する。
ニセモノと信頼できるオンラインレビューを識別するための言語的特徴を詳細に分析する。
本研究では,15の言語的特徴について検討し,その意義と重要性を考察した。
以上の結果から,偽レビューには冗長な用語やポーズが多く,文が長くなる傾向が示唆された。
複数の機械学習分類アルゴリズムの適用により、これらの言語的特徴を用いて、実際のレビューから偽の識別を高精度に行うことができた。
関連論文リスト
- Enhanced Review Detection and Recognition: A Platform-Agnostic Approach with Application to Online Commerce [0.46040036610482665]
本稿では,検出・抽出のための機械学習手法を提案する。
トレーニングデータに含まれていないウェブサイトにまたがって使用するために一般化されていることを実証する。
この方法は、ソースに関係なく、レビューの自動検出と評価のためにアプリケーションを駆動することを約束する。
論文 参考訳（メタデータ） (2024-05-09T00:32:22Z) - Unmasking Falsehoods in Reviews: An Exploration of NLP Techniques [0.0]
本研究は,誤認レビューを識別する機械学習モデルを提案する。
これを実現するために,n-gramモデルと最大特徴量を開発し,認識内容を効果的に同定する。
実験結果から,パッシブ・アグレッシブ・クラシファイアは様々なアルゴリズムにおいて顕著であることがわかった。
論文 参考訳（メタデータ） (2023-07-20T06:35:43Z) - Combat AI With AI: Counteract Machine-Generated Fake Restaurant Reviews
on Social Media [77.34726150561087]
我々は、高品質なYelpレビューを活用して、OpenAI GPTレビュー作成者から偽レビューを生成することを提案する。
このモデルを適用して、非エリートレビューを予測し、複数の次元にまたがるパターンを識別する。
ソーシャルメディアプラットフォームは、マシン生成の偽レビューによって継続的に挑戦されていることを示す。
論文 参考訳（メタデータ） (2023-02-10T19:40:10Z) - Mitigating Human and Computer Opinion Fraud via Contrastive Learning [0.0]
本稿では,協調フィルタリングレコメンデータシステムにおける偽テキストレビュー検出への新たなアプローチを提案する。
既存のアルゴリズムは、言語モデルによって生成された偽レビューを検出し、不正直なユーザーによって書かれたテキストを無視している。
本稿では,ユーザ人口特性とテキストレビューを,偽造に対する追加的証拠として活用する,対照的な学習ベースアーキテクチャを提案する。
論文 参考訳（メタデータ） (2023-01-08T12:02:28Z) - Impact of Sentiment Analysis in Fake Review Detection [0.0]
本稿では,感情分析を用いて偽レビューを調査するための研究論文を提案する。
偽レビューを示す10の研究論文が特定され、偽レビューを予測または検出するための現在利用可能なソリューションについて議論されている。
論文 参考訳（メタデータ） (2022-12-18T03:17:47Z) - ROSCOE: A Suite of Metrics for Scoring Step-by-Step Reasoning [63.77667876176978]
大規模言語モデルでは、最終回答を正当化するためにステップバイステップの推論を生成するように促された場合、ダウンストリームタスクの解釈可能性が改善されている。
これらの推論ステップは、モデルの解釈可能性と検証を大幅に改善するが、客観的にそれらの正確性を研究することは困難である。
本稿では、従来のテキスト生成評価指標を改善し拡張する、解釈可能な教師なし自動スコアのスイートであるROSを提案する。
論文 参考訳（メタデータ） (2022-12-15T15:52:39Z) - Fake or Genuine? Contextualised Text Representation for Fake Review
Detection [0.4724825031148411]
本稿では, トランスフォーマーアーキテクチャを用いて, 偽レビューのシーケンス中に隠されたパターンを発見し, 正確に検出する新しいアンサンブルモデルを提案する。
半現実的なベンチマークデータセットを用いた実験結果から,提案モデルが最先端モデルよりも優れていることが示された。
論文 参考訳（メタデータ） (2021-12-29T00:54:47Z) - SIFN: A Sentiment-aware Interactive Fusion Network for Review-based Item
Recommendation [48.1799451277808]
本稿では、レビューに基づく項目推薦のための感性認識型インタラクティブフュージョンネットワーク(SIFN)を提案する。
まず、BERTを介してユーザ/イテムレビューをエンコードし、各レビューのセマンティックな特徴を抽出する軽量な感情学習者を提案する。
そこで我々は,感情学習者が明示的な感情ラベルを用いて感情認識特徴を抽出するための感情予測タスクを提案する。
論文 参考訳（メタデータ） (2021-08-18T08:04:38Z) - Curious Case of Language Generation Evaluation Metrics: A Cautionary
Tale [52.663117551150954]
イメージキャプションや機械翻訳などのタスクを評価するデファクトメトリクスとして、いくつかの一般的な指標が残っている。
これは、使いやすさが原因でもあり、また、研究者がそれらを見て解釈する方法を知りたがっているためでもある。
本稿では,モデルの自動評価方法について,コミュニティにより慎重に検討するよう促す。
論文 参考訳（メタデータ） (2020-10-26T13:57:20Z) - A Unified Dual-view Model for Review Summarization and Sentiment
Classification with Inconsistency Loss [51.448615489097236]
ユーザーレビューから正確な要約と感情を取得することは、現代のEコマースプラットフォームにとって不可欠な要素である。
本稿では,これら2つのタスクの性能を協調的に改善する新しいデュアルビューモデルを提案する。
異なる領域の4つの実世界のデータセットに対する実験結果から,本モデルの有効性が示された。
論文 参考訳（メタデータ） (2020-06-02T13:34:11Z) - Unsupervised Opinion Summarization with Noising and Denoising [85.49169453434554]
ユーザレビューのコーパスから合成データセットを作成し、レビューをサンプリングし、要約のふりをして、ノイズのあるバージョンを生成します。
テスト時に、モデルは本物のレビューを受け入れ、健全な意見を含む要約を生成し、合意に達しないものをノイズとして扱います。
論文 参考訳（メタデータ） (2020-04-21T16:54:57Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。