终检评审通过 创新训练 520计算机科学技术 智能制造校级

在经济迅速发展、电子商务平台不断涌现的今天，评论信息日益影响着人们的生活。越来越多的网络用户通过发布评论分享消费体验、评价产品的质量。与此同时，网上商品评论也已经成为消费者重要的决策依据。然而，人们对评论信息的依赖催化了虚假评论的不断涌现。所谓虚假评论，指的是一些用户出于商业或其他不良动机，在评论中编造不实消费经历、对评价对象的质量等进行鼓吹或诽谤。一般来说，虚假评论模拟真实评论的语气让人难辨真假，其内容歪曲事实误导消费者，对消费者和平台利益都造成极大的负面影响。 在此背景之下，为使消费者的权益得到充分保证、让商家能够正确的估计商品的销售情况，评论可信性的研究迫在眉睫。相关研究内容不仅对提升消费者福利意义重大，而且是建立良性市场秩序、维持公平公正的经济环境不可或缺的重要保障。 虚假评论的检测是近年来国内外数据挖掘领域的热点话题，受到了国内外许多学者的关注。在虚假评论的提取中，有许多国内外的研究者通过文本分类来进行对虚假评论的识别，聚类方法、利用回归模型对虚假评论进行挖掘等方法被国内外学者大量使用。时间特征在虚假评论的检测中也被多数学者使用。 本团队的研究领域主要是深度学习领域的自然语言处理方向，研究过程主要基于大众点评上现有的用户评论，通过爬虫技术来爬取获得大量相关数据信息，并对信息文本进行人工标记，通过深度学习及自然语言处理的相关方法和技术，选择我们研究适用于虚假评论分析的模型，开发出原型系统，对模型进行训练和完善，判断用户评价的真实性与可靠性，并通过虚假评论识别展示平台进行展示，以达到识别虚假评论的目的。