[发明专利]基于双循环图的虚假评论检测方法

说明书

本发明公开了一种基于双循环图的虚假评论检测方法，包括：(1)采用原始图过滤器计算原始评论数据的评论置信度和用户置信度，并对用户置信度进行筛选获得可靠用户；(2)利用原始图过滤器计算可靠用户对应的评论数据的商店置信度；(3)将原始图过滤器中的评论置信度更新为步骤(1)获得的评论置信度，利用原始图过滤器计算原始评论数据的用户置信度；(4)以步骤(2)获得的商店置信度和步骤(3)获得的用户置信度作为初始值，构建加权图过滤器；(5)利用加权图过滤器计算原始评论数据的商店置信度、用户置信度和评论置信度，根据评论置信度筛选获得虚假评论。该方法提高了虚假评论的检测准确度。

技术领域

本发明属于网络安全技术领域，具体涉及基于双循环图的虚假评论检测方法。

背景技术

大多数电子商务允许用户对其服务和质量进行线上评论，线上评论逐渐成为消费者购物的依据，用户对商店的线上评论将极大地影响该商店的口碑和销售。用户评论在推荐系统方面发挥重要作用，大量真实有效的评论数据能使推荐系统产生有效的推荐，从而给消费者提供正确的商店或产品推荐。

受利益驱使，某些用户会故意撰写与现实不符的评论，即虚假评论，目的在于夸大或诋毁某一家商店，使其获取的利益最大化，甚至出现一些商店雇佣大量网络水军，集中地撰写大量的虚假评论用以提高自身评价或诋毁竞争对手的现象。这些虚假评论对商店的点评系统进行了攻击，直接影响到数据的真实性，对消费者的消费行为进行了误导。相应地，大量的虚假评论对推荐系统作用的发挥也产生了的影响，推荐系统将给消费者提供错误的推荐。通过有效检测虚假评论，过滤虚假评论及其用户，能在一定程度上还原出相对真实自然的评论环境，从而对消费者进行正确的消费引导。因此，实现高效的虚假评论过滤至关重要。

当前针对虚假评论的检测方案主要分为两种：基于评论文本内容的过滤检测系统和基于用户行为特征的过滤检测系统。而基于评论文本内容的虚假评论检测分为三种：基于语法分析的虚假评论检测、基于语义分析的虚假评论检测、基于文本元数据分析的虚假评论检测。其中，基于评论文本内容的虚假检测的方案有局限性，虽然能在众包平台得到的评论数据集上获得较高的准确率，但是由于真实环境下的虚假评论文本在语义、语法上具有较强的迷惑性，与众包平台得到的评论有较大的区别，因此在真实环境的数据集下，基于评论文本内容的检测方式效果有待提高。其次，对评论文本的理解和分析不准确，计算成本高等缺陷增大了文本检测方法的局限性。

而用户自身携带的属性(如用户所拥有的朋友数等)及其行为特征(如最大日评论数、地理位置、个人评价与主流评价之间的评论偏差等)更容易被利用成为虚假用户检测的评估因素，因为虚假用户在这些行为特征方面与真实用户往往有较大的差异。基于行为特征的检测方法主要分为：

基于虚假用户群体行为的检测方法，主要通过对虚假用户间的关系提取群组特征或聚类从而对虚假用户群体进行检测。

基于虚假用户个体的行为检测方法，通过对虚假用户的反常行为特征的检测，也有通过对用户、商店和评论之间的关系构建图结构，通过迭代计算来进行检测。然而由于考虑因素较少，基于图的过滤算法存在着置信度初始值的可信度低、过滤效果欠佳的问题。

综上所述，如何对用户行为特征进行挖掘，得到更好的虚假评论过滤器，在提升虚假评论检测效果方面上有着极其重要的理论与实践意义。

发明内容

为提高虚假评论过滤器对虚假评论的检测效果，本发明的目的是提供一种基于双循环图的虚假评论检测方法，该虚假评论检测方法基于可靠用户和评论置信度数据的循环利用，采用优化用户和商店置信度的方式从而提高虚假评论过滤器的检测效果。

为实现上述发明目的，本发明提供以下技术方案：

一种基于双循环图的虚假评论检测方法，包括：

(1)采用原始图过滤器计算原始评论数据的评论置信度和用户置信度，并对用户置信度进行筛选获得可靠用户；