[发明专利]一种跨模态检测网络水军的方法

说明书

本发明提供了一种跨模态检测网络水军的方法，该方法包括：先获取网页评论数据，将所述评论数据进行预处理，得到精简数据；然后，提取所述精简数据的文本特征和图像特征，并转化为文本、图像特征向量；最后将文本、图像特征向量数据集运用算法进行跨模态学习，得出网络水军信息。本发明利用跨模态方法将文字与图片进行结合和互相转化，通过训练和机器学习将图片赋予相应的分类文字标签，将图片评论的相似度转化为文本评论的相似度，通过算法快速、准确的检测出网络评论中的水军。

技术领域

本发明涉及网络水军检测技术领域，尤其涉及一种跨模态检测网络水军的方法。

背景技术

互联网时代，大量存在于社交平台、电子商务、新闻网站等领域的评论起着相当重要的作用。然而这些评论中存在着大量网络水军发表的带有倾向性的虚假评论，它们会影响用户观点、引导舆论导向。近几年，网络购物已成为人们生活中的一部分，虽然消费者享受着网上购物带来的便捷性，但是由于网络的虚拟性，消费者仅仅通过商家提供的图片很难在眼花缭乱的商品中选中质量上乘的最佳商品。因此消费者往往参考商品中的评论来决定选择，但大多数商家为了提高信誉、销量、宝贝人气，推广的方法就是利用网络水军刷好评，而且对于提供网络交易平台的第三方很少对商品的质量进行审查，网络销售者和消费者之间存在明显的信息不对称，从而使得消费者在网络交易中明显处于劣势地位，水军评论极有可能误导购买者，使之无法正确客观地对商品进行判断，这些虚假评论信息严重的影响了评论信息的参考价值，极大的误导了潜在消费者的消费判断。因此为了营造良好的网购环境，维护消费者的权益，检测网购中的水军是很重要的。

目前，国内外网络水军识别研究取得了较前几年更大的进展，按照网络水军识别方法采用特征的不同，将网络水军识别方法分为基于内容特征、基于行为特征和基于综合特征的识别。基于内容特征的方法主要依据评论内容相似性及其语言特征来发现虚假评论者，抽取出内容相近的评论。通过分析评论文本的倾向性，从而发现由网络水军发布、偏离正常用户评论的虚假评论。基于行为特征是指网络水军与正常用户具有极为不同的行为分布，如网络水平多具有评论集中突发性、评论极端性、发布早期产品评论等特点。可通过贝叶斯识别模型构建。基于综合特征的识别是将网络水军行为特征与内容特征结合，利用评论因子图模型，并利用人工标记网络水军样本和可信度传播理论识别。

目前，一些购物网站如淘宝网站中的评论大多数评论是由文字和图片评论相结合的，大部分水军在评论时为方便直接选用商家给过的商品原图，文字评论中的部分用词也太过相似，用词重复率太高，评论的整体意思大概相同。但有时水军在选用或截取图片时可能会受到分辨率、格式等影响，因此仅仅通过图片识别，相似度不会很高难以检测出水军，由此将图片与文本结合才可以更清晰的表达出评论的整体意思，提高检测的评论相似度，即通过文本相似度来提高图片相似度。

因此，我们将发布该种评论的用户定义为第一类水军。此类水军需要用跨模态方法进行检测。另外一种情况，好多水军不购买商品，商家不发货，所以水军随便上传图片，使得评论的图片与商品不对应。文字评论很相似，但评论中图片与实际商品毫无关系，因此图片相似度会极低。此时可以利用图片相似度算法进行检测。我们将发布这种评论的用户定义为第二类水军。

发明内容

本发明的实施例提供了一种跨模态检测网络水军的方法，针对上述问题利用跨模态方法将文字与图片进行结合和互相转化，通过训练和机器学习将图片赋予相应的分类文字标签，将图片评论的相似度转化为文本评论的相似度。通过算法快速、准确的检测出网络评论中的水军。

为了实现上述目的，本发明采取了如下技术方案：

一种跨模态检测网络水军的方法，包括：

S1：获取网页评论数据，将所述评论数据进行预处理，得到精简数据；

S2：提取所述精简数据中的文本特征，将所述文本特征生成文本特征向量；

S3：提取所述精简数据中的图像特征；将所述图像特征生成图像特征向量；