李 静

(北京邮电大学 网络技术研究院 北京 100876)

基于卷积神经网络的虚假评论的识别

李 静

(北京邮电大学 网络技术研究院 北京 100876)

卷积神经网络（CNN）是典型深度学习算法，通过建立、模仿人脑的机制来解释数据，可以把原始数据通过一些简单的模型转变成更高层次的、更加抽象的表达。本文通过对传统卷积神经网络介绍、改进并将其应用于虚假评论的识别，并与传统文本分类方法进行对比，其分类准确率有所提高。

NLP；虚假评论识别；深度学习；CNN

0 引言

随着电子商务的出现与飞速发展，在线商品评论的数量激增，商品评论已逐渐形成一种大规模的电子口碑，在线商品评论已经成为影响消费者购买决策的主要因素[1]。商品评论的重要性使许多商家在利益诱惑下发布大量虚假评论，而不具备专业性知识的消费者将很难识别这些评价，严重扰乱了我们的线上购物环境。

目前，在虚假评论识别的研究上，Jindal N等人[2]利用产品评论数据，基于评论文本、评论者和产品的特征进行建模来区分复制观点（被认为是虚假评论）和非复制观点（被认为是真实评论），将虚假评论的识别划归为二项分类的问题。首先使用Shingle方法识别完全重复或近似重复的评论，利用手工标注的训练语料采用机器学习的方法自动识别虚假评论。Myle Ott等人[3]利用众包平台构造了虚假评论的“黄金”数据集。基于计算语言学和心理语言学的知识，从文本分类、心理学、流派识别三个角度分析评论的垃圾性特征，采用传统的文本分类技术来识别虚假评论。……