基于用户-评论-商户关系的虚假用户识别研究:用户偏差分析的视角

摘要：

[目的]以用户-评论-商户虚假度增强关系为基础,提出一种基于用户偏差的虚假度迭代修正模型(URS-FDIRM),以有效识别虚假用户.[方法]分别采用均值法、JS散度和KL散度三种方法测度用户内容偏差和用户行为偏差,基于马蜂窝平台的实验数据构建URS-FDIRM模型识别虚假用户.[结果]三种方法均能有效测度用户的内容偏差和行为偏差,其中,采用均值法的URS-FDIRM模型对虚假用户识别效果最佳,F1值达92.57％.[局限]该方法主要结合常规偏差度量方法提取用户偏差指标,未探索包括更多用户行为特征的偏差度量方法,一定程度影响了虚假用户识别效果.[结论]考虑用户-评论之间的内容偏差和商户-用户之间的行为偏差,能捕获更多的用户虚假度线索,揭示用户-评论-商户三者虚假度的相互关系,为异常用户行为监测提供参考.

关键词：用户偏差、增强关系、虚假用户识别、均值偏差、虚假度

所属期刊栏目：6

分类号：TP391(计算技术、计算机技术)

资助基金：上海市哲学社会科学规划课题一般项目;上海对外经贸大学研究生科研创新培育项目

在线出版日期：2022-10-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共16页

页码：55-70