Publication detail

Mining behavioural and sentiment-dependent linguistic patterns from restaurant reviews for fake review detection

Authors: Hájek Petr | Sahut Jean-Michel

Year: 2022

Type of publication: článek v odborném periodiku

Name of source: Technological Forecasting and Social Change

Publisher name: Elsevier Science Inc.

Place: New York

Page from-to: 121532

Titles:

Language	Name	Abstract	Keywords
cze	Vytěžování lingvistických vzorců závislých na chování a sentimentu z recenzí restaurací pro detekci falešných recenzí	Online recenze jsou stále více považovány za klíčový zdroj informací ovlivňujících chování spotřebitelů. Z toho vyplývá, že konkurenční výhody lze dosáhnout manipulací s vnímáním restaurací ze strany uživatelů. Odvětví pohostinství je k tomuto problému obzvláště náchylné, protože produkty a služby v tomto odvětví lze hodnotit až po jejich spotřebě. Proto bylo v poslední době věnováno mnoho úsilí vývoji automatických metod pro odhalování falešných recenzí na základě datové inteligence v tomto odvětví. Nedávné studie naznačují, že užitečnými indikátory falešných recenzí může být jak sémantický význam spotřebitelských recenzí, tak vyjadřovaný sentiment. Sémantický význam však může být citlivý na kontext a může také ignorovat informace o sentimentu. Přístup analýzy obsahu by navíc měl být integrován s chováním recenzentů, aby se odhalily jejich skutečné záměry. K řešení těchto problémů navrhujeme model reprezentace recenzí založený na lingvistických rysech závislých na chování a sentimentu, které účinně využívají kontext domény. Na rozsáhlém souboru dat recenzí restaurací Yelp demonstrujeme, že navrhovaný model reprezentace recenzí je z hlediska přesnosti detekce účinnější než stávající přístupy. Navíc přesně odhaduje průměrné hodnocení přidělené legitimními recenzenty, což má významné manažerské důsledky pro pohostinství.	falešné recenze; detekce; datová inteligence; sentiment; chování; model strojového učení; restaurace
eng	Mining behavioural and sentiment-dependent linguistic patterns from restaurant reviews for fake review detection	Online reviews are increasingly recognized as a key source of information influencing consumer behavior. This in turn implies that competitive advantage can be achieved by manipulating users' perceptions about restaurants. The hospitality industry is particularly susceptible to this issue because products and services in this industry can only be rated upon consumption. Therefore, many efforts have recently been dedicated to developing automatic methods for detecting fake reviews based on data intelligence in this sector. Recent studies suggest that both the semantic meaning of consumer reviews and the sentiment conveyed may be useful indicators of fake reviews. However, the semantic meaning may be context-sensitive and may also disregard sentiment information. Moreover, the content analysis approach should be integrated with the reviewer's behavior to reveal their true intentions. To address these problems, we propose a review representation model based on behavioural and sentiment-dependent linguistic features that effectively exploit the domain context. Using a large dataset of Yelp restaurant reviews, we demonstrate that the proposed review representation model is more effective than existing approaches in terms of detection accuracy. It furthermore accurately estimates the average rating assigned by legitimate reviewers, which has significant managerial implications for the hospitality industry.	fake review; detection; data intelligence; sentiment; behaviour; machine learning model; restaurant; hospitality industry

Search

Login for students

Login for employees

Publication detail

Map

Services

Popular Links