[发明专利]用于检测评论的方法和装置

说明书

本公开的实施例公开了用于检测评论的方法和装置。该方法的一具体实施方式包括：利用基于关系网络训练得到的图神经网络提取待检测评论的关联对象的特征向量，其中，关系网络中的节点表示对象，关系网络中的边表示所连接的两个对象的历史评论具有预设关联，待检测评论的关联对象包括发布待检测评论的对象和/或待检测评论所评论的对象；根据待检测评论的关联对象的特征向量，生成用于指示待检测评论是否属于异常评论的检测结果。该实施方式有助于提升检测结果的准确性。

技术领域

本公开的实施例涉及计算机技术领域，具体涉及用于检测评论的方法和装置。

背景技术

随着移动终端和支付技术的不断发展，电商也随之稳步发展，越来越多的用户开始通过在电商平台进行消费以获取日常所需的各种物品或服务。目前的电商模式下，用户还不能亲自体验物品或服务，一般都是通过浏览其它消费者针对物品或服务的评论来判断该物品或服务是否符合自身的需求。

由于消费者对物品或服务的评论的重要性，使得电商平台或用户因为利益关系发布一些虚假评论。例如，商家通过好评返现或免费赠送礼品等方式，吸引消费者发表虚假评论，从而提升物品或服务的好评率，进而促进物品或服务的销售量等。此外，还有一些商家为了打压对手，通过雇佣个人或团体针对对手的物品或服务发布大量的评分较低的评论，以降低对手的物品或服务的好评率。虚假评论会严重影响电商平台秩序，也会误导消费者，对一些正常商家造成负面影响。

目前，常用的虚假评论的检测方法包括基于文本特征的检测。具体地，基于文本特的检测一般是根据评论文本训练词向量，然后利用深度学习等方法对评论文本进行检测。然而，许多虚假评论的发布者会故意模仿真实用户的评论发布虚假评论，导致基于本文特征越来越难区分真实评论和虚假评论。

发明内容

本公开的实施例提出了用于检测评论的方法和装置。

第一方面，本公开的实施例提供了一种用于检测评论的方法，该方法包括：利用基于关系网络训练得到的图神经网络提取待检测评论的关联对象的特征向量，其中，关系网络中的节点表示对象，关系网络中的边表示所连接的两个对象的历史评论具有预设关联，待检测评论的关联对象包括发布待检测评论的对象和/或待检测评论所评论的对象；根据待检测评论的关联对象的特征向量，生成用于指示待检测评论是否属于异常评论的检测结果。

在一些实施例中，图神经网络的训练数据通过如下步骤得到：将关系网络对应的节点对象集拆分为有标签对象集和无标签对象集，其中，对象的标签用于指示对象是否为异常评论的关联对象；对于无标签对象集中的对象，根据该对象的评论属性信息分别与有标签对象集中的各对象的评论属性信息之间的相似度，确定该对象的标签；使用节点对象集中的各对象分别对应的标签作为训练数据。

在一些实施例中，节点对象集中的对象的评论属性信息包括关联属性信息，其中，对象的关联属性信息表示该对象的历史评论分别与节点对象集中的其它各对象的历史评论之间是否具有预设关联。

在一些实施例中，节点对象集中的对象的评论属性信息还包括元属性信息，其中，元属性信息不包括关联属性信息；以及无标签对象集中的无标签对象的评论属性信息与有标签对象集中的有标签对象的评论属性信息之间的相似度通过如下步骤确定：确定无标签对象的关联属性信息与有标签对象的关联属性信息之间的相似度作为第一相似度；确定无标签对象的元属性信息与有标签对象的元属性信息之间的相似度作为第二相似度；根据第一相似度与第二相似度的加权和，确定无标签对象的评论属性信息与有标签对象的评论属性信息之间的相似度。

在一些实施例中，上述根据该对象的评论属性信息分别与有标签对象集中的各对象的评论属性信息之间的相似度，确定该对象的标签，包括：确定该对象的评论属性信息分别与有标签对象集中的各对象的评论属性信息之间的相似度中的最大相似度；确定最大相似度对应的对象的标签作为该对象的标签。