李 慧，王 琢

(沈阳理工大学 信息科学与工程学院，沈阳 110159)

网络购物的虚假评论，不仅会误导消费者的购买决策，而且也会扰乱市场竞争秩序，损害其他经营者或消费者的合法权益。据调查[1]，美国网站Yelp上虚假评论的比例已从2006年的5%涨至2013年的20%。

虚假评论问题由Jindal N等[2]在2008年美国纽约网络搜索与数据挖掘国际会议上首次提出。Ott M等[3]在2011年美国计算机语言协会第49届会议上强调标准数据集的重要性和困难性。

对虚假评论检测集成学习方法，王琢等[4]提出基于有监督学习的店铺类虚假评论检测，抽取店铺类评论的作弊特征，然后利用机器学习的算法，对店铺类虚假评论进行检测。张大鹏等[5]提出基于异质集成学习的虚假评论检测，通过特征提取，然后结合多个分类器分类，在此基础上选取效果较好的模型进行集成。由于虚假评论的多样性，还没有单一的检测模型可以检测出所有的垃圾评论[6]，而集成模型的检测效果往往更好，且在相关领域的研究非常少。关于虚假评论检测，研究人员在手动标记参考评论数据集时经常采用投票的方式，如三名评估人员根据几个共同认可的证据为检测到的可疑评论人贴上标签[7]。另外，大多数虚假评论检测算法是通过人工调节找出一组最佳参数，从而得到最佳虚假评论排序列表；这种传统的调参方式既费时又费力，而且当数据集为无标签数据集时，无法判断出哪组参数得到的排序列表是最佳排序列表。……