[发明专利]基于特征融合及筛选的虚假评论检测方法、系统及介质

说明书

本发明公开了基于特征融合及筛选的虚假评论检测方法、系统及介质，方法为：使用分词工具对文本评论进行操作后捕捉前后词对信息，进行词向量训练得到评论文本特征；提取评论者及其行为信息确定评论者行为特征；用异常检测算法提取虚假评论的异常信息，构建虚假分数特征；将三种特征进行拼接，获得虚假评论特征；对虚假评论特征使用多种特征选择方法筛选出重要特征集并求交集获得评论特征集；将评论特征集输入XGBoost模型中进行训练获得参数最优下的识别结果。本发明通过提取评论文本特征、多角度构建评论者行为特征及应用异常检测算法构建虚假分数特征，再借鉴集成思想将采用特征选择方法筛选出重要特征送入网络模型中进行训练，增强了特征可解释性，提升了检测性能。

技术领域

本发明属于虚假评论检测技术领域，具体涉及一种基于特征融合及筛选的虚假评论检测方法、系统及介质。

背景技术

随着网络通信的不断升级，当代人在网上进行购物交易的频率逐渐提高，伴随而来的便是消费者对购入商品信息评论的激增。由于交易平台对消费者发表评论限制较为宽松，导致许多消费者在评论时候会添加过于强烈的个人感情，更有甚者会刷恶意评论，也有商家为吸引用户雇佣水军刷虚假好评。已购入商品的消费者的反馈评论在很大程度上会影响之后用户对商品的选择，虚假的评论则不利于用户挑选出心仪的商品，严重损害用户权益和破坏市场平衡，所以对虚假评论进行识别检测是十分必要的。

现有技术中，在进行虚假评论检测时，将其定义为一个二分类的问题，首先通过已经标注的数据集来提取特征并且训练分类器，然后将新数据特征输入这个分类器去预测是虚假评论或真实评论。传统方法的特征基本来源于评论的文本内容、评论情感和用户行为这三大类，对于一些文本特征不明显的评论，效果并不佳。高珮发表的《基于马尔科夫随机场的虚假评论在线检测技术的研究》论文中，利用评论之间的关系生成动态评论图，随后建立马尔科夫随机场模型，最后利用LBP算法来求解该马尔科夫随机场，在处理虚假评论问题上有较高的精确率和召回率。王宇在《一种基于机器学习的垃圾评论实时检测方法》中，通过异常度的评论搭建了LDA_ABN模型，将文本进行预处理后进行标准比对，将语料文本长度大于7的文本提出，通过模型计算预估特征权重与垃圾评论的阈值比较，从而进行垃圾评论的筛选。

但上述方法主要从评论文本内容入手，过于依赖文本中评论的质量，且特征本身就难提取，如果文本评论数据质量不佳，相似性更加难以作为划分依据，并且当今虚假评论者在进行评论时，都会刻意模仿甚至抄袭真实评论，导致虚假和真实评论的文本内容十分相近。除此之外，很多时候虚假评论占少数，导致正负样本比例不平衡，不利于模型训练，导致最终实验效果不佳。

发明内容

本发明的主要目的在于克服现有技术的缺点与不足，提供一种基于特征融合及筛选的虚假评论检测方法、系统及介质，本方法不仅考虑了文本内容，并构建了评论者行为特征，还基于异常检测算法提取虚假评论的异常信息，得到虚假得分特征，解决了正负样本不平衡问题，同时使得特征空间表达更充分；借鉴集成思想，采用特征选择算法进行重要特征筛选，筛选结果稳定，特征可解释性强，从而使提升了检测性能。

为了达到上述目的，本发明采用以下技术方案：

本发明一方面提供了一种基于特征融合及筛选的虚假评论检测方法，包括下述步骤：

获取文本评论，使用分词工具对文本评论进行操作后，捕捉前后词对信息，进行词向量训练得到评论文本特征；

获取文本评论对应的评论者信息，提取评论者及其行为信息确定评论者行为特征；

根据评论文本特征和评论者行为特征，应用多种异常检测算法提取虚假评论样本的异常信息，计算异常得分即虚假得分作为虚假分数特征；

将评论文本特征、评论者行为特征及虚假分数特征进行拼接，获得虚假评论特征；

对虚假评论特征使用多种特征选择方法筛选出重要特征集并求交集获得评论特征集；