Publikace detail

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

Autoři: Hájek Petr | Sahut Jean-Michel

Rok: 2022

Druh publikace: článek v odborném periodiku

Název zdroje: Technological Forecasting and Social Change

Název nakladatele: Elsevier Science Inc.

Místo vydání: New York

Strana od-do: 121532

Tituly:

Jazyk	Název	Abstrakt	Klíčová slova
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

Vyhledávání

Přihlášení pro studenty

Přihlášení pro zaměstnance

Publikace detail

Ústavy

Pracoviště

Jak nás najdete?

Služby

Často hledáte