房有麗，王 紅，3

1(山東師范大學(xué) 信息科學(xué)與工程學(xué)院，濟(jì)南250358 )2(山東省分布式計(jì)算軟件新技術(shù)重點(diǎn)實(shí)驗(yàn)室，濟(jì)南250014)3(山東師范大學(xué) 生命科學(xué)研究院，濟(jì)南250014)

1 引 言

網(wǎng)上購物迎合了當(dāng)今快速的生活節(jié)奏，給人們生活帶來便捷.但是，虛假評(píng)論的存在，為營造公平公正的網(wǎng)絡(luò)購物環(huán)境帶來了巨大挑戰(zhàn).網(wǎng)上購物使得用戶無法親身感受到商品質(zhì)地和性能，所以，在線評(píng)論成為顧客了解商店與商品的重要渠道，他們通常先參考商品的評(píng)論與評(píng)分，再?zèng)Q定是否購買.好的評(píng)論可以提升產(chǎn)品的信譽(yù)，引導(dǎo)更多的顧客購買；相反，差的評(píng)論會(huì)影響信譽(yù)，降低銷售量.因此，由于利益的驅(qū)動(dòng)，商家開始雇傭水軍冒充普通顧客偽造評(píng)論.一方面對自己的商品進(jìn)行好評(píng)，另一方面對于競爭者惡意詆毀.因此，如何有效發(fā)現(xiàn)這些虛假評(píng)論成為亟待解決的問題.

先前的工作大多分別利用評(píng)分或評(píng)論來檢測虛假評(píng)論，如1-2分代表差評(píng)，3分代表中評(píng)，4-5分代表好評(píng)，這些方法存在不足：第一，分別利用評(píng)分或評(píng)論檢測虛假評(píng)論，而沒有考慮二者的一致性問題，只利用評(píng)分或評(píng)論不能準(zhǔn)確檢測出虛假評(píng)論，因?yàn)樵u(píng)論與評(píng)分有時(shí)會(huì)不一致，評(píng)分不能完全代表評(píng)論者的真實(shí)情感.其中本文提到的一致性是指評(píng)論文本的情感極性與其評(píng)分都是一致積極或者消極，呈現(xiàn)正相關(guān)，如表1所示，A、B表示不一致，C表示一致；第二，忽略了虛假評(píng)論在不同的時(shí)間的不同表現(xiàn).一般來說，在一段時(shí)間內(nèi)評(píng)論數(shù)量激增及評(píng)分突然上升或下降，就可能存在不真實(shí)的評(píng)論.針對上述問題，本文提出了基于評(píng)分-評(píng)價(jià)一致性和多維時(shí)間序列的虛假評(píng)論識(shí)別方法.

表1 評(píng)論-評(píng)分一致性對比表Table 1 Comment-rating Consistency comparison

本文的主要貢獻(xiàn)包括：

1)提出了判斷評(píng)論與其評(píng)分差異性的方案，綜合利用評(píng)分和評(píng)論檢測虛假評(píng)論.給出分析感情極性并判斷與其評(píng)分的一致性算法.

2)研究虛假評(píng)論在時(shí)間維的表現(xiàn)，提出了針對評(píng)論與評(píng)分的多模態(tài)時(shí)間統(tǒng)計(jì)檢測方法，檢測一段時(shí)間內(nèi)評(píng)論與評(píng)分突變的相關(guān)性，而不是傳統(tǒng)的靜態(tài)評(píng)論集合檢測方法.

2 相關(guān)工作

近年來，研究者們在垃圾網(wǎng)頁[1]與垃圾郵件[2]的識(shí)別研究上做了大量工作，獲得了較好效果.近來，虛假評(píng)論的檢測成為一個(gè)研究熱點(diǎn).Jindal等[3]發(fā)現(xiàn)了虛假評(píng)論廣泛的存在于商品中，但是這些評(píng)論本質(zhì)上與垃圾網(wǎng)頁和垃圾郵件不同，他們利用商品的評(píng)論數(shù)據(jù)、融合評(píng)論文本內(nèi)容和商品的特征因素進(jìn)行建模來區(qū)分復(fù)制觀點(diǎn)和非復(fù)制觀點(diǎn)，檢測出是復(fù)制觀點(diǎn)時(shí)則判為虛假評(píng)論.

Xie等[4]發(fā)現(xiàn)了單一評(píng)論是虛假評(píng)論的重要組成部分.正常的評(píng)論比較穩(wěn)定、相關(guān)低.相比之下，虛假的評(píng)論相關(guān)性高且突發(fā)性，表達(dá)情感極性強(qiáng).因此提出時(shí)間模式，構(gòu)建基于多維聚合的時(shí)間序列統(tǒng)計(jì)以此挖掘虛假評(píng)論的相關(guān)性.

OTT等[5]利用眾包平臺(tái)實(shí)現(xiàn)了第一個(gè)虛假評(píng)論的“黃金”數(shù)據(jù)集，其中包含真實(shí)評(píng)論跟虛假評(píng)論.在基于計(jì)算機(jī)語言學(xué)的基礎(chǔ)上，把虛假評(píng)論的檢測問題轉(zhuǎn)化為文本分類問題.Li等[6]通過網(wǎng)絡(luò)獲取大量產(chǎn)品的評(píng)論，然后手動(dòng)標(biāo)注語料庫，利用協(xié)同算法來檢測虛假評(píng)論.

任亞峰等[7]提出基于語言結(jié)構(gòu)和情感極性的虛假評(píng)論識(shí)別方法，并利用自然語言處理技術(shù)分析正面和負(fù)面情感極性對評(píng)論的影響.然后利用遺傳算法，通過復(fù)制、交叉和變異實(shí)現(xiàn)種群的進(jìn)化，從而提高準(zhǔn)確率.Li等[8]利用語義和情感檢測，并給出了構(gòu)建每個(gè)特征的模型和算法，實(shí)驗(yàn)表明，提出的模型，算法和特征在檢測任務(wù)中比基于內(nèi)容，評(píng)論者信息和行為的傳統(tǒng)方法有效.

Peng等[9]為了解決情感對商品的影響度，提出了基于自然語言處理技術(shù)對于情感的評(píng)分，并通過觀察建立規(guī)則來判別虛假評(píng)論，實(shí)驗(yàn)表明，他們所提出的方法在分析情感的精確度上取得了良好的效果.

Chang等[10]利用重要的屬性詞，具體的量詞和名詞動(dòng)詞比例來構(gòu)建虛假模型，結(jié)果說明更加獨(dú)特的詞匯和具體的量詞和名詞包含在內(nèi)，假冒的可能性就越小.Li[11]等通過集體無標(biāo)記的學(xué)習(xí)來識(shí)別虛假的評(píng)論.

通過總結(jié)前人的工作發(fā)現(xiàn)，研究者分別從評(píng)分和評(píng)論兩個(gè)方面進(jìn)行研究.一方面從商品評(píng)分著手，通過聚類算法進(jìn)行分組，識(shí)別出虛假的評(píng)論；另一方面是基于自然語言分析文本.本文提出融合情感分析、評(píng)分與評(píng)論一致性、以及時(shí)間序列的動(dòng)態(tài)多維模型來檢測虛假評(píng)論.

3 方法與模型

本文的目標(biāo)是利用情感技術(shù)及多維時(shí)間序列更加準(zhǔn)確的檢測虛假評(píng)論，為了實(shí)現(xiàn)這個(gè)目標(biāo)，有3個(gè)問題需要解決.第一，如何判斷評(píng)論文本的情感極性與其評(píng)分的一致性，第二，如何利用時(shí)間序列模型檢測在一段時(shí)間內(nèi)評(píng)論數(shù)量與評(píng)分突變的相關(guān)性，進(jìn)行虛假評(píng)論識(shí)別；第三，如何通過機(jī)器學(xué)習(xí)模型發(fā)現(xiàn)虛假評(píng)論的影響因素，并揭示這些因素與識(shí)別虛假評(píng)論的關(guān)系.

3.1 評(píng)論文本情感極性分析

評(píng)論文本的情感傾向分析是通過挖掘和分析評(píng)論文本中的立場、觀點(diǎn)情緒等主觀信息，分析得出評(píng)論者的正面或者負(fù)面情感傾向.Dewang等[12]提出了一套新的詞匯和句法特征集，并應(yīng)用監(jiān)督算法對假評(píng)論數(shù)據(jù)集(黃金標(biāo)準(zhǔn))進(jìn)行分類.邸鵬等[13]提出對轉(zhuǎn)折句式文本分析算法，主要針對長文本的情感分析，所以考慮上下文的轉(zhuǎn)折關(guān)系是有效的.但是他們直接對短文本分析效果并不佳，因?yàn)闊o法考慮上下文信息.本文提出了不同的計(jì)算方法：分別利用情感強(qiáng)度、特征權(quán)重對虛假評(píng)論的影響，提出了感情極性與其評(píng)分的一致性算法，如算法1所示.為了方便計(jì)算，符號(hào)表示如表2所示.

表2 符號(hào)定義表Table 2 Symbol definition

定義f(d)代表語義情感分?jǐn)?shù)和評(píng)分之間的差異度，如公式(1)所示，若m(d)與o(d)的乘積大于0，則表明它們之間沒有太大的差異；若是二者乘積小于0，則說明它們的差異過大是虛假評(píng)論.

(1)

1)情感強(qiáng)度.情感強(qiáng)度是指情感詞通過距離對特征的影響度.當(dāng)特征與情感詞距離較近時(shí)，情感強(qiáng)度加強(qiáng)，反之亦然.定義s(f)代表所有特征詞匯情感度，用dis(wi，f)表示兩者的距離，計(jì)算情感詞對特征的影響度如公式(2)所示.

(2)

在公式(2)中，o(wj)表示情感極性的詞匯，當(dāng)是積極性詞匯時(shí)，情感極性用+1表示；當(dāng)是消極性詞匯時(shí)，情感極性用-1表示.cN表示每個(gè)特征否定詞的數(shù)量，如果沒有否定詞，cN等于0；若有奇數(shù)個(gè)否定字，極性情緒為-1，否則為+1.

2)特征影響度.特征影響度是指利用不同特征判斷虛假評(píng)論的準(zhǔn)確度.在評(píng)論里有很多特征對判斷虛假評(píng)論都有影響，但影響程度不同.權(quán)重較大的特征判斷虛假評(píng)論精確度會(huì)更高；相反，權(quán)重較小的特征甚至影響虛假評(píng)論的判別.定義o(d)代表每條評(píng)論的情感分?jǐn)?shù)，如公式(3)所示.

(3)

Algorithm1.Review Analysis

1.INPUT：Review Text：

2.OUTPUT：Review Orientation

3.rt←{Review Text}；

4.While(rt.read())

5. For all j∈rt.Length DO

6. IF(rt.wordi∈NegDictionary) THEN

7. IF(num/2!=1)THEN

8.o(wj)←o(wj)

9. ELSEo(wj)←-o(wj)

10.END FOR；

∥emotional intensity calculation

∥emotional score calculation

∥evaluation and score consistency judgment

13. FORfielement ind

14. IFm(d)*o(d)>0

15.f(d)=1∥the two are consistent

16. ELSE 0∥the two are inconsistent

17. END FOR

18.END WHILE；

19.RETURNf(d)

3.2 基于多維時(shí)間序列異常檢測

商家雇傭水軍冒充普通顧客偽造評(píng)論，會(huì)造成一段時(shí)間內(nèi)評(píng)論數(shù)量激增及評(píng)分突然上升或下降.最早提出利用時(shí)間序列檢測虛假評(píng)論的是文獻(xiàn)[14]，但是存在著不足，他們僅基于評(píng)分建立評(píng)價(jià)指標(biāo)，不夠準(zhǔn)確，因此，本文提出利用多維時(shí)間序列關(guān)于評(píng)論及評(píng)分異常模式檢測方法.

3.2.1 時(shí)間序列結(jié)構(gòu)

檢測方法是基于時(shí)間序列，包括評(píng)論數(shù)量、平均評(píng)分.每個(gè)商店都有一系列按照發(fā)布時(shí)間升序排序的評(píng)論數(shù)量及評(píng)分.其中，R(s)={r1，…，rns} 和TS(s)={ts1，…，tsns}分別表示評(píng)論與其對應(yīng)的時(shí)間，ns是商店的評(píng)論數(shù)量，tsi是評(píng)論ri的評(píng)論時(shí)間，tsi≤tsj當(dāng)1≤i

(4)

f1(In)=|{rj：tsj∈In}|

(5)

(6)

檢測虛假評(píng)論的思想如下：給定兩個(gè)時(shí)間序列的商店，我們在兩個(gè)序列中找出評(píng)分及評(píng)論數(shù)量相關(guān)的異常段.具體步驟如下所示.

第1步.首先，在每個(gè)維度上，我們采用貝葉斯變化點(diǎn)檢測算法[15]，使用時(shí)間序列擬合曲線.

第2步.將簡單的模板匹配算法應(yīng)用于擬合曲線以檢測突發(fā)模式.令C={c1，c2}表示時(shí)間序列二維的擬合曲線，并使用類似函數(shù)的模板來表示值的突然v={v1，…，v5}，如果擬合曲線上的段c={c1，c2，…，cn}∈C與模板函數(shù)匹配，從而發(fā)現(xiàn)曲線上的異常段.

第3步.滑動(dòng)窗口在時(shí)間序列的所有維度中找出對應(yīng)于聯(lián)合突發(fā)的時(shí)間序列段.可以通過c滑動(dòng)窗口來獲得所有段，落入窗口中的所有段定義為b={ci1，…，cin}，并求在兩個(gè)序列v、b之間進(jìn)行匹配.其中兩個(gè)序列之間的匹配是根據(jù)一個(gè)序列中的點(diǎn)與另一個(gè)序列匹配，通過兩個(gè)點(diǎn)之間的“匹配”，兩個(gè)點(diǎn)的絕對值之的差小閾值ε，L(i，j)記錄子序列之間的匹配數(shù)量匹配公式如(7)

(7)

3.2.2 異常檢測算法

前文進(jìn)行了多維時(shí)間序列相關(guān)異常模式檢測構(gòu)建，如算法2所示.

Algorithm2.Correlated Abnormal Patterns Detection in Multidimensional Time Series

1.Input：Multidimensional-curvesC，

2.window sizeΔt，time spanI.

3.Output：Periods when correlatea nomalies appear，

4.Detected time of spam activities

5.Initialize time setS0={I}，scaleη=0

6.n=length ofC，w=time frame length

7.S=φ//set of periods tor return

8.forb=1→n-w+1 do

9.S=S∪{[b，b+w-1]} if

10. |{x∈Li：i=1，2，x∈[b，b+w-1]}==2|

11.End for

12.WhileΔtnot small enough do

η=η+1，St=φ.

13. ForI∈Sη-1 do Fit a curveF(I，Δt)

14.Sη=Sη∪C

15. End for

16.End while

17.ReturnSη

3.3 虛假評(píng)論特征選擇

特征選擇是從原有的特征集中選出貢獻(xiàn)率較大的特征子集.任亞峰等人使用遺傳算法對特征進(jìn)行選擇，但是該算法存在缺點(diǎn)：有許多參數(shù)，如交叉率和變異率，并且這些參數(shù)的選擇嚴(yán)重影響解的品質(zhì)，而目前這些參數(shù)的選擇大部分是依靠經(jīng)驗(yàn)，因此本文提出借助于信息增益進(jìn)行選擇，最后利用似然比檢驗(yàn)使用的邏輯回歸模型是否有效.

3.3.1 變量選取標(biāo)準(zhǔn)-信息增益

信息增益(IG，Information Gain)是非常有效的特征選擇方法.在信息增益中，重要性的衡量標(biāo)準(zhǔn)就是看特征可以為分類系統(tǒng)帶來多少信息，帶來的信息越多，該特征越重要.其計(jì)算虛假評(píng)論如公式(8)、公式(9)所示.

(8)

G(t)=entropy(D)-entropy(c|t)

(9)

3.3.2 評(píng)論文本特征選擇

影響虛假評(píng)論的特征有很多，本文提出最可能影響的11個(gè)特征如下所示，并用信息增益計(jì)算影響度較大的特征.

F1：文本復(fù)制.評(píng)論者為了盡快完成評(píng)論，經(jīng)常復(fù)制一些雷同的文本以不同身份評(píng)論，從而達(dá)到虛假攻擊.

F2：情感度.情感度是指評(píng)論者對評(píng)論的情感極性度.虛假評(píng)論者比較片面，而正常用戶相對客觀.

F3：文本長度.虛假評(píng)論者相比正常評(píng)論者相對較長.

F4：用戶信譽(yù).用戶發(fā)表的評(píng)論被其他用戶采納的數(shù)量越多，則信譽(yù)越高越真實(shí).

F5：追評(píng)時(shí)間.正?？蛻粢话阍偈褂靡欢螘r(shí)間后進(jìn)行追評(píng)，而虛假評(píng)論者幾乎跟初評(píng)同時(shí)完成.

F6：專業(yè)術(shù)語.正常用戶在進(jìn)行評(píng)論時(shí)比較白化，而虛假評(píng)論者使用詞匯較專業(yè).

F7：否定詞.正常用戶在評(píng)論部分性能或許使用否定詞，而虛假評(píng)論者幾乎不用.

F8：一致性.文本評(píng)論的情感極性與給出評(píng)分的相似度，相似性越低越可能是虛假評(píng)論，是檢測虛假評(píng)論重要特征.

F9：相關(guān)度.相關(guān)度是指評(píng)論內(nèi)容與商品屬性的關(guān)聯(lián)程度，有些虛假評(píng)論者為了快速評(píng)論便復(fù)制一些與商品不相關(guān)的內(nèi)容.

F10：圖片.普通用戶一般很少上傳照片，但是虛假評(píng)論者通常上傳照片提高商品信譽(yù).

F11：轉(zhuǎn)折詞.虛假評(píng)論者的情感極性高度一致，很少使用轉(zhuǎn)折詞.但普通用戶或許會(huì)對部分性能表示不滿.

其中sw(re)表示評(píng)論中情感詞集合，tw(re)表示評(píng)論中所有詞語集合，l(r)，f(r)分別為始末評(píng)論時(shí)間.特征F2，F(xiàn)5，F(xiàn)6計(jì)算如公式(10)-公式(12)所示.

(10)

(11)

(12)

3.4 邏輯回歸模型

虛假評(píng)論的影響因素有很多，但是哪些因素對檢測虛假評(píng)論更加明顯，這其實(shí)就是回歸問題.自變量X是影響因素，由于自變量是離散的，無法直接用線性回歸方法解決，因此最佳的解決方法是Logistic回歸模型.Logistic分析原理就是利用一組數(shù)據(jù)擬合一個(gè)Logistic回歸模型，然后借助于這個(gè)模型揭示總體中若干自變量與一個(gè)因變量取某個(gè)值的概率之間的關(guān)系.概率P與自變量的關(guān)系如公式(13)、公式(14)所示.

Y′=θ0+θ1X1+θ2X2+…+θmXm

(13)

(14)

在上述公式中自變量為X1…Xn，θ0常數(shù)項(xiàng)，θ1…θn等為偏回歸系數(shù)，P表示在n個(gè)自變量共同作用下發(fā)生的概率.因變量Y是二分類的值，所以取值為

現(xiàn)在把研究Y與X關(guān)系轉(zhuǎn)換成分析當(dāng)Y取某個(gè)值時(shí)的概率P與X的關(guān)系.當(dāng)Y是0時(shí)為虛假評(píng)論，X為虛假評(píng)論的影響因素.這樣研究虛假評(píng)論的攻擊率P與X的關(guān)系就簡單了很多.

4 實(shí)驗(yàn)分析

4.1 數(shù)據(jù)集

本文的數(shù)據(jù)集主要來自Xie等[16]12402條評(píng)論，其中包含6492條真實(shí)評(píng)論，5910條虛假評(píng)論.其中在一段時(shí)間內(nèi)突然激增，如表3所示.

表3 數(shù)據(jù)分析表Table 3 Data analysis table

4.2 自變量計(jì)算-信息增益

為了選取對邏輯回歸模型影響較顯著的自變量，我們利用前文給出的公式(8)(9)計(jì)算每個(gè)自變量的信息增益，其結(jié)果如表4所示.

表4 候選特征及其信息增益值表Table 4 Candidate features and information gains

4.3 方法與模型檢測

為了檢驗(yàn)?zāi)Ｐ椭兴凶宰兞空w是否與所有研究事件的信息增益存在線性關(guān)系，本文用似然比檢驗(yàn).其原理是通過分析模型中變量變化對似然比的影響，依次判斷增加或者刪除某個(gè)變量是否對因變量有顯著影響，如公式(15)所示.

G=-2(ln(Lp)-ln(Lk))

(15)

在公式(15)中：ln(Lp)表示不包含檢驗(yàn)變量時(shí)模型的對數(shù)似然值，ln(Lk)表示包含.當(dāng)樣本量較大時(shí)，G近似服從自由度為待檢驗(yàn)因素個(gè)數(shù)的χ2分布.當(dāng)G大于臨界值時(shí)，接受H1，拒絕無效假設(shè)，表示該影響因素對Logistic模型有意義.本文計(jì)算7個(gè)特征的似然比，在p值等于0.05條件下，計(jì)算結(jié)果如表5所示.

表5 似然比測試表Table 5 Likelihood ratio text

本文首先借助于情感分析利用情感強(qiáng)度、特征權(quán)重對虛假文本評(píng)論的影響計(jì)算出每條評(píng)論的近似分?jǐn)?shù)，然后再與評(píng)論者給出與其相對應(yīng)的評(píng)分進(jìn)行比較，結(jié)果如圖1所示，實(shí)驗(yàn)結(jié)果發(fā)現(xiàn)在所有給出的評(píng)論中前30天是趨向于正相關(guān)的，評(píng)分與評(píng)價(jià)基本一致，在(2010.5.15-2010.7.15)逐漸趨向于負(fù)相關(guān)，兩者不再一致，說明該時(shí)間段內(nèi)出現(xiàn)大量虛假評(píng)論，原因是商店為了提高效率，大量水軍復(fù)制與內(nèi)容不符的評(píng)論文本，導(dǎo)致與實(shí)際評(píng)分出現(xiàn)誤差，但整體評(píng)分趨向于上升趨勢，因?yàn)樯碳夜蛡虻暮迷u(píng)水軍數(shù)量大于惡意的詆毀者.通過實(shí)驗(yàn)說明評(píng)分與評(píng)價(jià)一致性表現(xiàn)出了不錯(cuò)的性能.

圖1 評(píng)論-評(píng)分一致性對比圖Fig.1 Comment-rating consistency comparison圖2 評(píng)論和評(píng)分的時(shí)間序圖Fig.2 Reviews and scoring time

同時(shí)，我們預(yù)先故意選取數(shù)據(jù)了(2010.5.15-2010.7.15)確定包含大量水軍的評(píng)論，基于多維時(shí)間序列從審查數(shù)據(jù)中檢測到更多的突發(fā)細(xì)節(jié)的時(shí)間段.我們設(shè)置窗口大小為15天，發(fā)現(xiàn)評(píng)分與評(píng)論數(shù)量在(20→30)急劇增加的可疑活動(dòng)，如圖2所示，這與事先選取的實(shí)際評(píng)論情況相吻合，此結(jié)果揭示多維時(shí)間序列論識(shí)別方法是檢測虛假評(píng)論的重要性能.

4.4 實(shí)驗(yàn)分析

本文利用情感極性、多維時(shí)間序列，并通過邏輯回歸模型檢測虛假評(píng)論，并采用十折交叉驗(yàn)證，通過與邵珠峰[17]提出的基于情感特征和用戶關(guān)系的方法(圖3中Structed標(biāo)記)與Feng[18]提出的基于句法結(jié)構(gòu)的檢測算法(圖3中CFG標(biāo)記)對比驗(yàn)證本文方法的有效性.本文采用最為通用3個(gè)評(píng)判指標(biāo)來判斷虛假檢測的優(yōu)劣：準(zhǔn)確率、召回率、F1值.從圖3中可以看出融合評(píng)分-評(píng)價(jià)一致性和多維時(shí)間序列的虛假評(píng)論識(shí)別方法取得了較好的結(jié)果.

圖3 準(zhǔn)確率比較圖Fig.3 Comparison of accuracy

邵珠峰等人分析虛假評(píng)論者和真實(shí)評(píng)論者在情感極性上存在著差異，通過評(píng)論者的情感差異構(gòu)建特征模型，并結(jié)合用戶之間的關(guān)系構(gòu)造多邊圖模型，最后計(jì)算出用戶評(píng)分來識(shí)別虛假評(píng)論.該方法準(zhǔn)確率有所提高，主要因?yàn)榭紤]情感極性差異，融合了評(píng)論文本較為重要的8個(gè)特征和其權(quán)重.但也存在著缺點(diǎn)，通過人工標(biāo)記數(shù)據(jù)存在著一定偏差，只考慮初末時(shí)間.F1指數(shù)對比與召回率對比如圖4、圖5所示.

圖4 F1指數(shù)比較圖Fig.4 F1_Measure comparison

Feng等人提出的于句法結(jié)構(gòu)的檢測算法分析了淺層次句法模式的缺點(diǎn)，主要研究深層次的句法模式.他們在先前研究者的工作基礎(chǔ)上加入特殊句法模式構(gòu)建語義樹并提取語義特征，此方法的準(zhǔn)確率達(dá)到91.2%.該方法優(yōu)越于邵珠峰的主要原因是，對于不同規(guī)則的書寫模式可以利用語義樹挖掘深層的句法關(guān)系，構(gòu)建專門的語義樹，但邵珠峰提出的方法受到限制.

本文相比較邵珠峰和Feng的準(zhǔn)確率有所提高，但F1值比Feng的稍差一點(diǎn).本文，首先，借助自然語言處理通過情感技術(shù)分析評(píng)論的情感極性并判斷與其評(píng)分的一致性；其次，建立時(shí)間序列進(jìn)行評(píng)論識(shí)別；最后，通過抽取7個(gè)特征并使用邏輯回歸進(jìn)行虛假檢測.但我們發(fā)現(xiàn)準(zhǔn)去率提高的同時(shí)F1值有所下降，可能原因在于在加入特征后一些評(píng)論不存在否定詞.

5 結(jié)束語

隨著電子商務(wù)的蓬勃發(fā)展，研究者們對虛假評(píng)論檢測作出了不懈的努力.基于情感極性和多維時(shí)間序列，首先根據(jù)在線商品評(píng)論的特點(diǎn)，提出通過分析評(píng)論的情感極性，判斷與其評(píng)分的一致性算法；其次，考慮時(shí)間對評(píng)分及評(píng)論數(shù)量的影響，構(gòu)建基于多維時(shí)間序列的虛假評(píng)論識(shí)別方法；最后，通過抽取不同特征，建立邏輯回歸模型，進(jìn)行不真實(shí)的或虛假的評(píng)論檢測，通過對比試驗(yàn)證實(shí)了本文算法取得了較好的效果.但該方法還需有待改進(jìn)，第一，冷啟動(dòng)問題，沒有動(dòng)態(tài)的考慮評(píng)論情況，在沒有評(píng)論或者僅僅少數(shù)評(píng)論的前提下該怎樣獲取評(píng)論信息；第二，評(píng)論文本中還隱藏其他重要特征可以提高精度.未來工作主要集中在這兩方面.