GEmFakeABSA：利用基于方面的情绪分析进行图嵌入式虚假评论检测

《Scientific Reports》：GEmFakeABSA: graph-embedded fake review detection using aspect-based sentiment analysis

　　

摘要

大多数使用电子商务平台的客户和制造商在做出购买决策和提升产品质量时，很大程度上依赖于用户评论。不幸的是，这种依赖性也为不诚实的评论者提供了机会，他们可以通过发布虚假评论来欺骗消费者和生产者。直接解决这一问题有助于实现联合国可持续发展目标12：“负责任的消费和生产”，因为可靠的评论生态系统能够促进在线市场的透明度和明智的决策。为了应对这一威胁，本文提出了GEmFakeABSA：一种基于图嵌入的虚假评论检测方法，该方法利用基于方面的 sentiment 分析（ABSA）。我们进一步通过将 ABSA 与图卷积网络（GCN）相结合来增强虚假评论检测能力，GCN 利用依赖图来捕捉单词、方面和情感之间的上下文关系，从而揭示伪造评论中的不自然模式。由于 GCN 还能够编码用户、评论和产品之间的复杂关系，因此基于 GCN 的 ABSA 模型在情感与特定方面没有逻辑关联的情况下也表现出极高的效率。我们提出的模型结合了语言信息、词性（POS）特征以及 ABSA 导出的嵌入，从而改善了亚马逊上 30 个产品类别评论的所有标准虚假评论检测指标，即使各个特征集是单独评估的也是如此。在涵盖 30 个产品类别的 21,034 条亚马逊评论上进行评估后，GEmFakeABSA 的准确率达到 92.4%，在精确度上比最强的 BiLSTM-ABSA 基线模型高出 2.3%，在召回率上高出 2.46%。所有结果都是基于五次随机实验的平均值，并附带 95% 的置信区间；显著性通过 30 个类别的双侧配对 t 检验进行评估，数据划分按照产品和评论者进行分层以防止训练集和测试集之间的信息泄露。这些结果凸显了该模型在负责任的电子商务中实现实时内容审核的潜力。