Publikace detail

Review Spam Detection Using Word Embeddings and Deep Neural Networks

Autoři: Barushka Aliaksandr | Hájek Petr

Rok: 2019

Druh publikace: článek ve sborníku

Název zdroje: IFIP Advances in Information and Communication Technology. Vol. 559

Název nakladatele: Springer

Místo vydání: Berlin

Strana od-do: 340-350

Tituly:

Jazyk	Název	Abstrakt	Klíčová slova
cze	Detekci spamu v recenzích pomocí slovních vnoření a hlubokých neuronových sítí	Spam v recenzích (fejková recenze) je stále důležitější s ohledem na rychlý růst internetových nákupů. Proto musí být navrženy sofistikované filtry spamu, aby tento problém vyřešily. Tradiční algoritmy strojového učení používají k detekci spamu v recenzi obsah recenze a další atributy. Jak je však prokázáno v souvisejících studiích, jazykový kontext slov může mít pro kategorizaci textu zvláštní význam. Abychom zvýšili výkon detekce spamu v recenzích, navrhujeme nový přístup založený na obsahu, který zohledňuje jak slova, tak slovní kontext. Přesněji řečeno, náš přístup využívá k vytvoření vektorového modelu n-gramy a metodu vnořených slov se skip-gramy. Výsledkem je, že se generuje reprezentace atributů ve vysoké dimenzionalitě. Ke zpracování reprezentace a přesné klasifikaci spamu v recenzi se ve druhém kroku používá hluboká dopředná neuronová síť. K ověření našeho přístupu používáme dva soubory dat o recenzích hotelů, včetně kladných a záporných recenzí. Ukazujeme, že navrhovaný detekční systém překonává další populární algoritmy pro kontrolu detekce spamu z hlediska přesnosti a plochou pod ROC. Důležité je, že systém poskytuje vyvážený výkon na obou třídách, legitimní i spamové, bez ohledu na polaritu recenze.	neuronová síť; recenzní spam; skip-gram; slovní vnoření; word2vec
eng	Review Spam Detection Using Word Embeddings and Deep Neural Networks	Review spam (fake review) detection is increasingly important taking into consideration the rapid growth of internet purchases. Therefore, sophisticated spam filters must be designed to tackle the problem. Traditional machine learning algorithms use review content and other features to detect review spam. However, as demonstrated in related studies, the linguistic context of words may be of particular importance for text categorization. In order to enhance the performance of review spam detection, we propose a novel content-based approach that considers both bag-of-words and word context. More precisely, our approach utilizes n-grams and the skip-gram word embedding method to build a vector model. As a result, high-dimensional feature representation is generated. To handle the representation and classify the review spam accurately, a deep feed-forward neural network is used in the second step. To verify our approach, we use two hotel review datasets, including positive and negative reviews. We show that the proposed detection system outperforms other popular algorithms for review spam detection in terms of accuracy and area under ROC. Importantly, the system provides balanced performance on both classes, legitimate and spam, irrespective of review polarity.	Neural network; Review spam; Skip-gram; Word embedding; Word2vec

Search

Přihlášení pro studenty

Přihlášení pro zaměstnance

Publikace detail

Ústavy

Pracoviště

Jak nás najdete?

Služby

Často hledáte