論文の概要: Detecting Spam Reviews on Vietnamese E-commerce Websites
- arxiv url: http://arxiv.org/abs/2207.14636v1
- Date: Wed, 27 Jul 2022 10:37:14 GMT
- ステータス: 処理完了
- システム内更新日: 2022-08-01 12:13:27.934023
- Title: Detecting Spam Reviews on Vietnamese E-commerce Websites
- Title(参考訳): ベトナムのeコマースサイトにおけるスパムレビューの検出
- Authors: Co Van Dinh, Son T. Luu and Anh Gia-Tuan Nguyen
- Abstract要約: 本稿では,電子商取引プラットフォーム上でのスパムレビューを検出するための厳格なアノテーション手順を有するViSpamReviewsというデータセットを提案する。
本データセットは,レビューがスパムか否かを検出するバイナリ分類タスクと,スパムの種類を特定するマルチクラス分類タスクの2つのタスクから構成される。
PhoBERTは、マクロ平均F1スコアでそれぞれ88.93%と72.17%の2つのタスクで最高結果を得た。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: The reviews of customers play an essential role in online shopping. People
often refer to reviews or comments of previous customers to decide whether to
buy a new product. Catching up with this behavior, some people create untruths
and illegitimate reviews to hoax customers about the fake quality of products.
These reviews are called spam reviews, which confuse consumers on online
shopping platforms and negatively affect online shopping behaviors. We propose
the dataset called ViSpamReviews, which has a strict annotation procedure for
detecting spam reviews on e-commerce platforms. Our dataset consists of two
tasks: the binary classification task for detecting whether a review is a spam
or not and the multi-class classification task for identifying the type of
spam. The PhoBERT obtained the highest results on both tasks, 88.93% and
72.17%, respectively, by macro average F1 score.
- Abstract(参考訳): 顧客のレビューはオンラインショッピングにおいて重要な役割を果たす。
新製品を買うかどうかを決めるために、以前の顧客のレビューやコメントを参照することが多い。
この行動に従えば、偽の商品の品質について顧客を脅かすために、真偽や不正なレビューを作る人もいる。
これらのレビューはスパムレビューと呼ばれ、消費者をオンラインショッピングプラットフォームに混乱させ、オンラインショッピング行動に悪影響を及ぼす。
我々は,eコマースプラットフォーム上でスパムレビューを検出するための厳格なアノテーション手順を持つvispamreviewsというデータセットを提案する。
本データセットは,レビューがスパムか否かを検出するバイナリ分類タスクと,スパムの種類を特定するマルチクラス分類タスクの2つのタスクから構成される。
PhoBERTは、マクロ平均F1スコアでそれぞれ88.93%と72.17%の2つのタスクで最高結果を得た。
関連論文リスト
- On the Role of Reviewer Expertise in Temporal Review Helpfulness
Prediction [5.381004207943597]
有用なレビューを識別する既存の方法は、主にレビューテキストに焦点をあて、レビューを投稿する(1)とレビューを投稿する(2)の2つの重要な要素を無視する。
本稿では,過去のレビュー履歴から得られたレビュアの専門知識と,レビューの時間的ダイナミクスを統合し,レビューの有用性を自動的に評価するモデルを提案する。
論文 参考訳(メタデータ) (2023-02-22T23:41:22Z) - 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) - A Dataset on Malicious Paper Bidding in Peer Review [84.68308372858755]
悪意あるレビュアーは、紙の割り当てを非倫理的に操作するために戦略的に入札した。
この問題を緩和するための方法の作成と評価への重要な障害は、悪意ある紙入札に関する公開データの欠如である。
我々は、参加者に正直に、悪意的に入札するよう指示されたモックカンファレンス活動から収集された、新しいデータセットをリリースする。
論文 参考訳(メタデータ) (2022-06-24T20:23:33Z) - Attention-based Bidirectional LSTM for Deceptive Opinion Spam
Classification [0.0]
不正なレビューは様々なオンラインレビュープラットフォームに意図的に投稿され、顧客が商品やレストランを購入したり、訪ねたり、気を散らすのを手伝う。
この研究は、レビューを偽りまたは真偽として検出し分類することを目的としている。
これには、レビューの分類と提案されたアプローチの概要のための様々なディープラーニング技術の使用が含まれる。
論文 参考訳(メタデータ) (2021-12-29T19:02:04Z) - E-Commerce Dispute Resolution Prediction [69.84319333335935]
我々は、紛争解決における人間のエージェントを大規模に支援する第一歩を踏み出す。
eBayのオンラインマーケットプレースから大規模な論争のデータセットを構築し、いくつかの興味深い行動パターンと言語パターンを特定します。
次に、高い精度で論争の結果を予測するために分類器を訓練する。
論文 参考訳(メタデータ) (2021-10-13T09:45:06Z) - Identifying Hijacked Reviews [21.600163117735857]
レビュー・ヒジャック(英: Review Hijacking)は、非倫理的な販売者が既存の製品ページを「ヒジャック」する新しいレビュー操作戦略である。
商品とレビューを交換することで、ハイジャックのレビューを行うための、合成ラベル付きデータを生成するフレームワークを提案する。
次に、ツインLSTMネットワークとBERTシークエンスペアの2つの可能性を評価し、このデータを用いてハイジャックされたものとの正当性レビューを区別する。
論文 参考訳(メタデータ) (2021-07-07T20:43:36Z) - Abstractive Opinion Tagging [65.47649273721679]
eコマースでは、意見タグは、アイテムのレビューの特徴を反映したEコマースプラットフォームが提供するタグのランクリストを指す。
意見タグを生成するための現在のメカニズムは、手作業またはラベル付け方法に依存します。
AOT-Net と呼ばれる抽象的な意見タグフレームワークを提案し、多数のレビューからランク付けされた意見タグのリストを生成します。
論文 参考訳(メタデータ) (2021-01-18T05:08:15Z) - Improving Opinion Spam Detection by Cumulative Relative Frequency
Distribution [0.9176056742068814]
オンラインレビューにおける意見スパムの検出には様々なアプローチが提案されている。
我々は意見スパムの分類に有効な一連の機能を再設計した。
分布特性を用いることで分類器の性能を向上させることができることを示す。
論文 参考訳(メタデータ) (2020-12-27T10:23:44Z) - Robust Spammer Detection by Nash Reinforcement Learning [64.80986064630025]
我々は,スパマーとスパム検知器が互いに現実的な目標を競うミニマックスゲームを開発する。
提案アルゴリズムは,スパマーが混在するスパマーが実用目標を達成するのを確実に防止できる平衡検出器を確実に見つけることができることを示す。
論文 参考訳(メタデータ) (2020-06-10T21:18:07Z) - 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) - How do online consumers review negatively? [1.52292571922932]
中国最大のB2CプラットフォームであるJD.comの1,450,000のネガティブレビューを用いて、時間的、知覚的、感情的な視点からの行動パターンを探求する。
低レベルの消費者は、特に製品価格や売り手の態度に関して、より強い否定的な感情を表現している。
高いレベルの消費者からの否定的なレビューの価値は、感情の低下と偏見の低いナレーションのために予想外に強調される。
論文 参考訳(メタデータ) (2020-04-28T12:54:30Z)
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。