[發明專利]基于雙循環圖的虛假評論檢測方法

有效

• 申請號: 201811031362.1
• 申請日: 2018-09-05
• 公開（公告）號: CN109344176B
• 公開（公告）日: 2020-12-11
• 發明（設計）人: 陳晉音;黃國瀚;吳洋洋
• 申請（專利權）人: 浙江工業大學
• 主分類號: G06F16/2458
• 分類號: G06F16/2458;G06Q30/02
• 代理公司: 杭州天勤知識產權代理有限公司 33224
• 代理人: 曹兆霞

本發明公開了一種基于雙循環圖的虛假評論檢測方法，包括：(1)采用原始圖過濾器計算原始評論數據的評論置信度和用戶置信度，并對用戶置信度進行篩選獲得可靠用戶；(2)利用原始圖過濾器計算可靠用戶對應的評論數據的商店置信度；(3)將原始圖過濾器中的評論置信度更新為步驟(1)獲得的評論置信度，利用原始圖過濾器計算原始評論數據的用戶置信度；(4)以步驟(2)獲得的商店置信度和步驟(3)獲得的用戶置信度作為初始值，構建加權圖過濾器；(5)利用加權圖過濾器計算原始評論數據的商店置信度、用戶置信度和評論置信度，根據評論置信度篩選獲得虛假評論。該方法提高了虛假評論的檢測準確度。

技術領域

本發明屬于網絡安全技術領域，具體涉及基于雙循環圖的虛假評論檢測方法。

背景技術

大多數電子商務允許用戶對其服務和質量進行線上評論，線上評論逐漸成為消費者購物的依據，用戶對商店的線上評論將極大地影響該商店的口碑和銷售。用戶評論在推薦系統方面發揮重要作用，大量真實有效的評論數據能使推薦系統產生有效的推薦，從而給消費者提供正確的商店或產品推薦。

受利益驅使，某些用戶會故意撰寫與現實不符的評論，即虛假評論，目的在于夸大或詆毀某一家商店，使其獲取的利益最大化，甚至出現一些商店雇傭大量網絡水軍，集中地撰寫大量的虛假評論用以提高自身評價或詆毀競爭對手的現象。這些虛假評論對商店的點評系統進行了攻擊，直接影響到數據的真實性，對消費者的消費行為進行了誤導。相應地，大量的虛假評論對推薦系統作用的發揮也產生了的影響，推薦系統將給消費者提供錯誤的推薦。通過有效檢測虛假評論，過濾虛假評論及其用戶，能在一定程度上還原出相對真實自然的評論環境，從而對消費者進行正確的消費引導。因此，實現高效的虛假評論過濾至關重要。

當前針對虛假評論的檢測方案主要分為兩種：基于評論文本內容的過濾檢測系統和基于用戶行為特征的過濾檢測系統。而基于評論文本內容的虛假評論檢測分為三種：基于語法分析的虛假評論檢測、基于語義分析的虛假評論檢測、基于文本元數據分析的虛假評論檢測。其中，基于評論文本內容的虛假檢測的方案有局限性，雖然能在眾包平臺得到的評論數據集上獲得較高的準確率，但是由于真實環境下的虛假評論文本在語義、語法上具有較強的迷惑性，與眾包平臺得到的評論有較大的區別，因此在真實環境的數據集下，基于評論文本內容的檢測方式效果有待提高。其次，對評論文本的理解和分析不準確，計算成本高等缺陷增大了文本檢測方法的局限性。

而用戶自身攜帶的屬性(如用戶所擁有的朋友數等)及其行為特征(如最大日評論數、地理位置、個人評價與主流評價之間的評論偏差等)更容易被利用成為虛假用戶檢測的評估因素，因為虛假用戶在這些行為特征方面與真實用戶往往有較大的差異。基于行為特征的檢測方法主要分為：

基于虛假用戶群體行為的檢測方法，主要通過對虛假用戶間的關系提取群組特征或聚類從而對虛假用戶群體進行檢測。

基于虛假用戶個體的行為檢測方法，通過對虛假用戶的反常行為特征的檢測，也有通過對用戶、商店和評論之間的關系構建圖結構，通過迭代計算來進行檢測。然而由于考慮因素較少，基于圖的過濾算法存在著置信度初始值的可信度低、過濾效果欠佳的問題。

綜上所述，如何對用戶行為特征進行挖掘，得到更好的虛假評論過濾器，在提升虛假評論檢測效果方面上有著極其重要的理論與實踐意義。

發明內容

為提高虛假評論過濾器對虛假評論的檢測效果，本發明的目的是提供一種基于雙循環圖的虛假評論檢測方法，該虛假評論檢測方法基于可靠用戶和評論置信度數據的循環利用，采用優化用戶和商店置信度的方式從而提高虛假評論過濾器的檢測效果。

為實現上述發明目的，本發明提供以下技術方案：

一種基于雙循環圖的虛假評論檢測方法，包括：

(1)采用原始圖過濾器計算原始評論數據的評論置信度和用戶置信度，并對用戶置信度進行篩選獲得可靠用戶；