論文の概要: Social Fraud Detection Review: Methods, Challenges and Analysis
- arxiv url: http://arxiv.org/abs/2111.05645v1
- Date: Wed, 10 Nov 2021 11:25:20 GMT
- ステータス: 処理完了
- システム内更新日: 2021-11-11 18:00:34.779900
- Title: Social Fraud Detection Review: Methods, Challenges and Analysis
- Title（参考訳）: 社会的フラッド検出:方法・課題・分析
- Authors: Saeedreza Shehnepoor, Roberto Togneri, Wei Liu, Mohammed Bennamoun
- Abstract要約: 社会的レビューはウェブを支配しており、製品情報の信頼できる情報源となっている。
企業は、単一のユーザ、ユーザグループ、あるいは不正コンテンツを生成するために訓練されたボットを使用して、偽情報を広めるために、ソーシャル情報を利用する。
多くの研究がユーザ行動に基づくアプローチを提案し、不正検出の課題に対処するためのテキストをレビューした。
- 参考スコア（独自算出の注目度）: 42.30892608083864
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Social reviews have dominated the web and become a plausible source of
product information. People and businesses use such information for
decision-making. Businesses also make use of social information to spread fake
information using a single user, groups of users, or a bot trained to generate
fraudulent content. Many studies proposed approaches based on user behaviors
and review text to address the challenges of fraud detection. To provide an
exhaustive literature review, social fraud detection is reviewed using a
framework that considers three key components: the review itself, the user who
carries out the review, and the item being reviewed. As features are extracted
for the component representation, a feature-wise review is provided based on
behavioral, text-based features and their combination. With this framework, a
comprehensive overview of approaches is presented including supervised,
semi-supervised, and unsupervised learning. The supervised approaches for fraud
detection are introduced and categorized into two sub-categories; classical,
and deep learning. The lack of labeled datasets is explained and potential
solutions are suggested. To help new researchers in the area develop a better
understanding, a topic analysis and an overview of future directions is
provided in each step of the proposed systematic framework.
- Abstract（参考訳）: ソーシャルレビューがウェブを席巻し、製品情報の信頼できる情報源となった。
人や企業は意思決定にそのような情報を使う。
企業はまた、ソーシャル情報を利用して偽情報を単一のユーザー、ユーザーグループ、または不正なコンテンツを生成するように訓練されたボットを使って拡散する。
多くの研究がユーザ行動に基づくアプローチを提案し、不正検出の課題に対処するためのテキストをレビューした。
総括的な文献レビューにおいて、レビュー自体、レビューを行うユーザ、レビュー中の項目の3つの重要な構成要素を考慮したフレームワークを用いて、社会不正検出をレビューする。
コンポーネント表現のために特徴が抽出されるにつれて、振る舞い、テキストベースの特徴とその組み合わせに基づいて機能レビューが提供される。
このフレームワークでは、教師なし、半教師なし、教師なし学習を含むアプローチの包括的な概要が提示される。
不正検出のための教師付きアプローチを導入し、古典とディープラーニングの2つのサブカテゴリに分類する。
ラベル付きデータセットの欠如を説明し、潜在的な解決策を提案する。
この分野の新しい研究者がより理解を深めるために,提案手法の各段階においてトピック分析と今後の方向性の概要が提供される。
関連論文リスト
- SyROCCo: Enhancing Systematic Reviews using Machine Learning [6.805429133535976]
本稿では,システムレビュープロセスのナビゲートを支援する機械学習技術について検討する。
データ抽出やエビデンスマッピングといったレビューのその後の段階へのML技術の適用は、その初期段階にある。
論文 参考訳（メタデータ） (2024-06-24T11:04:43Z) - Rethinking the Evaluation of Dialogue Systems: Effects of User Feedback on Crowdworkers and LLMs [57.16442740983528]
アドホック検索では、評価は暗黙のフィードバックを含むユーザーの行動に大きく依存する。
アノテータの会話知覚におけるターン評価におけるユーザフィードバックの役割はほとんど研究されていない。
本稿では,タスク指向対話システム(TDS)の評価が,ターンのフォローアップ発話を通じて提供されるユーザフィードバック,明示的あるいは暗黙的な評価にどのように影響するかに注目した。
論文 参考訳（メタデータ） (2024-04-19T16:45:50Z) - Beyond Opinion Mining: Summarizing Opinions of Customer Reviews [20.534293365703427]
この3時間のチュートリアルでは、意見要約の大幅な進歩について概観する。
リスナーは、研究と実践の両方に有用な知識に精通する。
論文 参考訳（メタデータ） (2022-06-03T12:43:40Z) - A Comprehensive Overview of Recommender System and Sentiment Analysis [1.370633147306388]
本稿では,レコメンデーションシステムと感情分析の活用を目指す研究者を支援するために,包括的概要を提供する。
これには、フェーズ、アプローチ、レコメンダシステムで使用されるパフォーマンスメトリクスなど、レコメンダシステムの概念の背景が含まれている。
次に、感情分析の概念について議論し、レベル、アプローチを含む感情分析の要点を強調し、アスペクトベースの感情分析に焦点を当てる。
論文 参考訳（メタデータ） (2021-09-18T01:08:41Z) - 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) - DFraud3- Multi-Component Fraud Detection freeof Cold-start [50.779498955162644]
コールドスタート(Cold-start)は、新しいユーザの認証に検出システムが失敗したことを指す重要な問題である。
本稿では,各コンポーネントに固有の表現を可能にする異種情報ネットワーク (HIN) としてレビューシステムをモデル化する。
HINとグラフ誘導はカモフラージュ問題(本物のレビュー付き詐欺師)に対処するのに役立ち、これはコールドスタートと組み合わされた場合、すなわち真に最初のレビューを持つ新しい詐欺師がより深刻であることが示されている。
論文 参考訳（メタデータ） (2020-06-10T08:20:13Z) - 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) - Topic Detection and Summarization of User Reviews [6.779855791259679]
本稿では,レビューと要約の両方を解析して,効果的な新しい要約手法を提案する。
製品レビューと約1028の製品からなる新しいデータセットが、AmazonとCNETから収集されている。
論文 参考訳（メタデータ） (2020-05-30T02:19:08Z) - Survey of Network Intrusion Detection Methods from the Perspective of
the Knowledge Discovery in Databases Process [63.75363908696257]
本稿では,侵入検知器の開発を目的として,ネットワークデータに適用された手法について概説する。
本稿では,データのキャプチャ,準備,変換,データマイニング,評価などの手法について論じる。
この文献レビューの結果、ネットワークセキュリティ分野のさらなる研究のために考慮すべきいくつかのオープンな問題について検討する。
論文 参考訳（メタデータ） (2020-01-27T11:21:05Z)
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。