Resumen

En la actualidad, las personas utilizan mucho las reseñas de productos para tomar sus decisiones. Sin embargo, por afán de lucro, los críticos juegan con el sistema publicando reseñas falsas para promocionar o degradar los productos objetivo. En los últimos años, la detección de reseñas falsas ha atraído una gran atención tanto de las organizaciones industriales como de las comunidades académicas. Sin embargo, sigue siendo un problema difícil debido a la falta de materiales de etiquetado para el aprendizaje supervisado y la evaluación. Los trabajos actuales han hecho muchos intentos de abordar este problema desde los ángulos del revisor y la revisión. Sin embargo, se ha hablado poco de las características de las reseñas relacionadas con el producto, que es el objetivo principal de nuestro método. Este artículo propone un nuevo modelo de red neuronal convolucional para integrar las características de las reseñas relacionadas con el producto a través de un modelo de composición de palabras del producto. Para reducir el sobreajuste y la alta varianza, se introduce un modelo de embolsamiento para embolsar el modelo de red neuronal con dos clasificadores eficientes. Los experimentos con el conjunto de datos de reseñas reales de Amazon demuestran la eficacia del enfoque propuesto.

• Materias:Análisis Matemático Matemáticas Algebra Ingeniería Lógica matemática
• Subjects:Mathematical Analysis mathematics Algebra Engineering Mathematical logic
• Palabras claves:Reseñas de productos; detección de reseñas falsas; etiquetado de materiales; aprendizaje supervisado; evaluación; modelo de red neuronal convolucional.
• Keywords:Product reviews; fake review detection; labelling materials; supervised learning; evaluation; convolutional neural network model