王 星，刘贵娟，陈志豪

（1.中国人民大学 应用统计科学研究中心，北京 100872；2.中国人民大学 统计学院，北京 100872）

0 引言

在互联网快速发展的数字经济背景下，优质可信的在线消费者评论（Online Consumer Review，OCR）在需求侧消费者的购买决策和供给侧企业获得用户反馈、提高产品质量和改善服务等方面发挥着至关重要的作用［1］。然而，虚假评论现象广泛存在于各类在线购物及点评网站中，严重阻碍了电子商务的真实性，降低了消费者的信任度［2］。鉴于虚假评论数量大、信息复杂和隐蔽性强等难点，识别和过滤虚假评论成为学术界和业界共同关注的研究热点，亟须“去伪存真、去粗取精”［3］。

在虚假评论的识别问题中，常规的深度学习算法通常将它视为自然语言处理（Natural Language Processing，NLP）领域中的常见任务。Ahmed 等［4］在虚假评论智能检测的开创性研究中指出，可通过词向量对评论做矢量化表示的方式获得虚假评论特征的感知。此后，许多学者沿着词向量特征的方向，提出诸多从评论文本中提取敏感词汇识别虚假评论的深度学习算法，为虚假评论的识别作出贡献。代表性的研究进展主要有两类：一类通过Word2Vec 和上下文预训练的BERT（Bidirectional Encoder Representation from Transformers）进行向量词特征表示［5-6］；第二类则将预训练的词向量用于深度学习训练，如卷积神经网络（Convolutional Neural Network，CNN）、循环神经网络（Recurrent Neural Network，RNN）和残差网络（ResNet）等［7］。特征矢量表示方法的局限性多表现为依赖于大量高质量的人工标注，成本高、噪声多、质量低［8］。此外，为尽可能纳入更多的特征，大量的非官方用语、缩写词汇等信息源的出现会干扰特征空间，极易稀释多标签组合特征，导致丢失辅助语义理解的完整信息［9］。……