基于无监督图嵌入算法的虚假评论检测

摘 要 近年来，国内外众多学者对虚假评论检测进行研究，本文针对虚假评论人进行检测，利用无监督图嵌入算法（node2vec）获取评论人向量，进而获得评论人之间的距离，根据距离计算出评论人的作弊度。同时将评论人特征融合为作弊先验，有效地筛选出了有对产品进行虚假评论的评论人。

关键词 虚假评论检测;图嵌入;无监督学习;特征融合

针对虚假评论检测问题，本文构建评论人图结构模型，使用无监督图嵌入算法（node2vec）将评论人图中的节点嵌入到低维向量空间中，使得图中的评论人节点转化为向量，通过计算评论人之间的Frobenius距离以估计评论人在向量空间中的距离，以此衡量评论人的作弊度并排序。

1相关算法

1.1 node2vec算法

node2vec算法[1]是图嵌入方法的一种。该算法指定了两个参数，p，q。参数p称为返回参数，控制重复访问刚刚访问过顶点的概率，p值较高，概率较低。参数q称为进出参数，控制着游走方向，实现指定游走趋向于DFS还是BFS，q>1倾向于BFS，q<1则更倾向于DFS。

1.2 特征融合

一组评论特征F{xl1，xl2…xlF}，将F融合为一个作弊分数。后使用经验累积分布函数统一为可比较的尺度和分布。

经过上述步骤后，不同特征极性均转化为f（xli）的值，越低表示作弊嫌疑越高。

随后将评论先验转化为评论人先验。采用Abbr、RD、EXT、DEV、ETF、ISR等特征[2]将该评论人所有评论的最大先验作为该评论人的作弊先验 。

2算法模型分析

2.1 图结构建立

假设有包含了m个评论人U={ui，i=1，2，...，m}对n个产品P={pk，k=1，2，...，n}的所有评论构成的数据集。数据集包括：评论人id，被评论人所评论的产品id，评论人对产品的打分评级，以及打分时间。如图1所示，评论人ui对产品Pk撰写了评分为ri的评论Vik，這一系列行为可以用一个元组的形式表示为vik=（ui， pk， rik）。

算法需要有效的虚假评论人的特征，并且当一个产品在短时间内突然接收到的评论量暴增时，往往会有大量的虚假评论人参与其中[2-3]，这就涉及团体评论作弊活动。

为描述团体作弊活动，基于协同评论行为构建评论人图模型，如图1所示。两条协同评论的紧密度通过两者的评论vik和vjk计算得到。用协同行为紧密度来衡量评论紧密度如定义一。

定义1：给定评论同一产品的两个评论人ui、uj，撰写了评论Vik，Vjk，两条评论的时间差Δt、打分差Δr，定义评论间的紧密度为：

评论人可能评论多个目标产品，因此通过多个协同评论行为定义评论人的紧密度。

定义2：评论人紧密度，给定两个评论用户ui、uj，Pi为评论人ui所评论的产品集合，两个用户间的紧密度：

2.2 图结构算法模型

为计算每一个评论人的作弊度建立评论人-评论人图模型，如定义3所示。

定义3：评论人图，令U={u1，u2，u3…um}表示m个评论人的节点集合，根据公式得到评论人之间紧密度，建立评论人-评论人图G=（V，E），E={（ui，uj）│collu（ui，uj）=1，ui，uj ∈U}。

3实验结果分析

结果表明，本文方法与FraudScan方法相比充分利用图结构信息，考虑协同评论行为，从全局到局部对虚假评论进行筛查，AP值，精度，NDCG值均有有效提升，并能有效降低筛查误差。本研究提出的方法可有效应用于实际中，也可为设计基于无监督图嵌入检测方法的研究提供参考。

参考文献

[1] GROVER A，LESKOVEC J.Node2vec：scalable feature learning for networks[C].Proceedings of the 22nd ACM SIGKDD international conference on knowledge discovery and data mining.San Francisco，California，USA：ACM，2016：855-864.

[2] Wang Z，Hu R，Chen Q，et al. ColluEagle： Collusive review spammer detection using Markov random fields [J]. Data Mining and Knowledge Discovery，2019（10）：723.

[3] S. Rayana， L. Akoglu. Collective opinion spam detection： bridging review networks and metadata [C].In Proceedings of KDD，Sydney，Australia，2015：985-994.

作者简介

彭明夷（1996-），女，辽宁省大连市人;沈阳理工大学在读硕士研究生，专业：计算机技术，学历：工程硕士，研究方向：大数据原理及应用。