董松月 陈润雨 刘西菩 赵颖莉 马晓宁

摘 要：互联网的开放性使得当前对于互联网上用户的评论内容没有质量控制机制，用户发表的内容中存在大量虚假评论，如何识别这些虚假评论信息成为重要问题。运用信息增益（Information Gain，IG），支持向量机（Support Vector Machine，SVM）等方法对民航事件的评论进行特征提取和分类，识别虚假评论。通过对比四种不同的核函数，本文选定基于RBF核函数的SVM分类器进行虚假信息的分类识别，其 F-measure值为90%，具有较优的分类效果。

关键词：虚假评论；信息增益；支持向量机；特征提取；核函数

Abstract： For the reason of internets openness， users are allowed to comment freely without quality control system， the published content includes many false reviews. How to identify these fake comments become an important issue. Based on Information Gain and SVM， this research identify the false reviews through feature extraction and classification. By comparing four kernel functions， RBF kernel function of SVM classifier is selected for the identification of the false information. The F-measure value is 90%， with qualified classification results.

Key words： false review； information gain； support vector machine； feature extraction； Kernel Function

0 引 言

随着Web广泛使用以及用户深入参与，出现社会热门事件后，用户会通过网络发表事件相关评论，但由于用户评论时的随意性，导致其中必然包含不实信息。自2007年起，虚假信息识别这一课题受到关注。国外研究成果已获一定进展，而国内研究仍处于探索时期，同时虚假信息识别大多数研究却只是集中于电子商务产品、互联网销售等新式专用领域，而关于民航事件评论中的虚假信息识别研究却仍亟待起步。基于如上背景需求，针对如何从海量民航事件评论信息中识别出虚假评论，本文将展开详尽论与阐析。

本文以民航事件（马航370事件）评论信息为研究对象，提出评论描述上述特征，并采用信息增益（Information Gain， IG）方法对各个特征计算权重，再使用支持向量机（Surpport Vector Machine，SVM）的4种核函数模型分别对训练集评论进行训练，得出四种分类器，对比性能后壳优选基于RBF函数的分类器，能够对真实评论和虚假评论进行更佳分类，从而高效、准确地识别出民航事件评论信息中的虚假评论。……