論文の概要: Online Fake Review Detection Using Supervised Machine Learning And BERT Model

• arxiv url: http://arxiv.org/abs/2301.03225v1
• Date: Mon, 9 Jan 2023 09:40:56 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-10 15:57:38.942643
• Title: Online Fake Review Detection Using Supervised Machine Learning And BERT Model
• Title（参考訳）: 教師付き機械学習とBERTモデルを用いたオンラインフェイクレビュー検出
• Authors: Abrar Qadir Mir, Furqan Yaqub Khan, Mohammad Ahsan Chishti
• Abstract要約: テキストから単語の埋め込みを抽出するためにBERT(Bidirectional Representation from Transformers)モデルを提案する(レビュー)。 その結果、SVM分類器は精度で他より優れており、f1スコアは精度87.81%であることがわかった。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Online shopping stores have grown steadily over the past few years. Due to the massive growth of these businesses, the detection of fake reviews has attracted attention. Fake reviews are seriously trying to mislead customers and thereby undermine the honesty and authenticity of online shopping environments. So far, various fake review classifiers have been proposed that take into account the actual content of the review. To improve the accuracies of existing fake review classification or detection approaches, we propose to use BERT (Bidirectional Encoder Representation from Transformers) model to extract word embeddings from texts (i.e. reviews). Word embeddings are obtained in various basic methods such as SVM (Support vector machine), Random Forests, Naive Bayes, and others. The confusion matrix method was also taken into account to evaluate and graphically represent the results. The results indicate that the SVM classifiers outperform the others in terms of accuracy and f1-score with an accuracy of 87.81%, which is 7.6% higher than the classifier used in the previous study [5].
• Abstract（参考訳）: オンラインショッピングはここ数年で着実に成長している。 これらの事業の大規模な成長により、偽レビューの検出が注目を集めている。 偽レビューは顧客を誤解し、オンラインショッピング環境の誠実さと信頼性を損なおうとしている。 これまでのところ、レビューの内容を考慮して、様々な偽レビュー分類器が提案されている。 既存の偽レビュー分類や検出手法の精度を向上させるために,テキストから単語埋め込みを抽出するためにbert(bidirectional encoder representation from transformers)モデルを提案する。 単語埋め込みは、SVM(Support vector machine)、ランダムフォレスト(Random Forests)、ネイブベイズ(Naive Bayes)など、様々な基本的な手法で得られる。 また, 混乱行列法を用いて結果を評価し, 図式的に表現した。 その結果、SVM分類器は他の分類器よりも精度が良く、f1スコアは87.81%であり、前回の調査で用いた分類器より7.6%高いことが示唆された。

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)
• AiGen-FoodReview: A Multimodal Dataset of Machine-Generated Restaurant Reviews and Images on Social Media [57.70351255180495]
  AiGen-FoodReviewは、20,144のレストランレビューイメージペアからなるデータセットである。 FLAVAで99.80%のマルチモーダル精度を達成し,一様・多モーダル検出モデルについて検討する。 この論文は、データセットをオープンソース化し、偽レビュー検出装置を公開し、非モーダルかつマルチモーダルな偽レビュー検出タスクでの使用を推奨し、合成データと真正データにおける言語的特徴と視覚的特徴を評価することで貢献する。
  論文  参考訳（メタデータ） (2024-01-16T20:57:36Z)
• 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)
• Bengali Fake Review Detection using Semi-supervised Generative Adversarial Networks [0.0]
  本稿では,半教師付きGAN(Generative Adversarial Networks)による事前学習言語モデルの微調整の可能性について検討する。 提案した半教師付きGAN-LMアーキテクチャは,ベンガルの偽レビューを分類する上で有効な解であることを示す。
  論文  参考訳（メタデータ） (2023-04-05T20:40:09Z)
• Verifying the Robustness of Automatic Credibility Assessment [79.08422736721764]
  テキスト分類法は信頼性の低い内容を検出する手段として広く研究されている。 入力テキストの無意味な変更は、モデルを誤解させることがある。 偽情報検出タスクにおける被害者モデルと攻撃方法の両方をテストするベンチマークであるBODEGAを紹介する。
  論文  参考訳（メタデータ） (2023-03-14T16:11:47Z)
• 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)
• 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)
• Fake Reviews Detection through Analysis of Linguistic Features [1.609940380983903]
  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。
  論文  参考訳（メタデータ） (2020-10-08T21:16:30Z)
• Detection as Regression: Certified Object Detection by Median Smoothing [50.89591634725045]
  この研究は、ランダム化平滑化による認定分類の最近の進歩によって動機付けられている。 我々は、$ell$-bounded攻撃に対するオブジェクト検出のための、最初のモデル非依存、トレーニング不要、認定された防御条件を得る。
  論文  参考訳（メタデータ） (2020-07-07T18:40:19Z)
• ScoreGAN: A Fraud Review Detector based on Multi Task Learning of Regulated GAN with Data Augmentation [50.779498955162644]
  生成・検出プロセスにおけるレビューテキストとレビューレーティングスコアの両方を利用した不正レビュー検出のためのScoreGANを提案する。 その結果,提案フレームワークは,既存の最先端フレームワークであるFakeGANをAPの7%,YelpとTripAdvisorのデータセットで5%上回る性能を示した。
  論文  参考訳（メタデータ） (2020-06-11T16:15:06Z)

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。