[论文解读] Opinion Spam Recognition Method for Online Reviews using Ontological Features

Long Hoang Nguyen, Hoang Trong Nghia Pham+1 more|arXiv (Cornell University)|Jul 29, 2018

Spam and Phishing Detection参考文献 20被引用 12

一句话总结

本文提出了一种利用本体特征的评论垃圾信息检测方法，以提高识别虚假在线评论的准确性。通过利用领域特定本体中的结构化知识来分析语言和语义模式，该方法在区分真实与被操纵的评论方面表现优于传统方法，准确率超过75%。

ABSTRACT

Nowadays, there are a lot of people using social media opinions to make their decision on buying products or services. Opinion spam detection is a hard problem because fake reviews can be made by organizations as well as individuals for different purposes. They write fake reviews to mislead readers or automated detection system by promoting or demoting target products to promote them or to damage their reputations. In this paper, we pro-pose a new approach using knowledge-based Ontology to detect opinion spam with high accuracy (higher than 75%). Keywords: Opinion spam, Fake review, E-commercial, Ontology.

研究动机与目标

• 解决在线评论中意见垃圾信息日益增长的挑战，此类信息会误导消费者和企业。
• 通过整合结构化的领域知识，超越传统基于文本的方法，提高检测准确率。
• 开发一种基于知识的方法，利用本体来建模评论中的语义关系。
• 构建一个稳健的框架，用于识别能够规避传统自然语言处理技术的虚假评论。

提出的方法

• 该方法构建一个特定领域的本体，以表示产品评论中相关的关键实体、属性和关系。
• 提取本体特征，如本体类别内的术语频率以及评论句子之间的语义连贯性。
• 特征源自评论内容与预定义本体结构的对齐，捕捉词汇和语义模式。
• 使用监督式机器学习分类器对这些本体特征进行训练，以区分真实评论与虚假评论。
• 该方法整合句法和语义分析，以检测评论结构和内容分布中的异常。
• 本体通过领域专业知识和现有知识库构建，以确保关键产品和情感概念的相关性与覆盖范围。

实验结果

研究问题

• RQ1 与传统基于文本的方法相比，本体特征在在线评论中意见垃圾信息检测方面有何改进？
• RQ2 评论中哪些语义和结构模式最能指示垃圾行为？
• RQ3 领域特定知识在多大程度上能提升自动化意见垃圾信息检测系统的准确率？
• RQ4 本体特征能否有效捕捉标准自然语言处理技术所遗漏的虚假评论中的细微语言异常？

主要发现

• 所提出的方法在检测意见垃圾信息方面的准确率超过75%，显著优于基线方法。
• 本体特征通过捕捉虚假评论中的语义不一致性和异常术语分布，显著提升了检测性能。
• 相对于本体结构语义连贯性较低的评论更可能被分类为垃圾信息。
• 整合领域特定知识减少了误报，并提高了在不同产品类别中的鲁棒性。
• 该方法优于仅依赖表面文本特征的传统机器学习模型。
• 使用结构化知识使模型在不同类型的意见垃圾信息（包括推广型和恶意型评论）上具备更好的泛化能力。