张 蓉，张献国

（内蒙古大学计算机学院，呼和浩特 010000）

（*通信作者电子邮箱2595083628@qq.com）

0 引言

近年来随着电子商务的普及，越来越多的网上消费用户习惯在网站上发布评论来分享自己的意见。出于商业目的，一些商家雇人发表一些不与事实匹配的好评或者不公正的负面评价［1］。这样的虚假评论是一种包含不真实的意见的评论，发布的目的是欺骗误导潜在的消费者从而影响他们的决策［2］。对于大多数消费者来说，只凭借个人经验来判断一条评论真实与否是很困难的，因此对于虚假评论检测的研究十分有意义。

虚假评论的检测目的是区分评论是真实或者是虚假的，可以看作是一个二分类的问题。文献［3］提出了有效的特征对分类性能的提升具有重要作用。目前大部分的研究都是利用从已经标记的数据集中提取有效特征来对分类器进行训练，但目前对特征的提取大都局限于评论中的语义特征。虚假评论不仅包含评论本身，同时还附带着与发布者有关的用户行为特征。许多研究已经证明，用户的行为特征对虚假评论检测的性能有显著影响［4-5］，但是由于用户行为特征为非语义特征，现有的研究大都不能很好地将其与语义特征结合。

针对以上问题，本文建立了一个层次异构图注意力网络（Hierarchical Heterogeneous Graph Attention Network，HHGAN）模型。该模型将层次注意力机制与异构图注意力网络结合，在充分提取评论语义特征的同时将语义特征与用户行为特征相互结合，同时引入注意力机制区别不同单词和句子、不同评论和不同用户行为间的注意力权重来学习评论的特征表示。……