基于半监督主动学习的虚假评论检测

被引：13

作者：

宋海霞 ^{[1
,2
]}

严馨 ^{[1
,2
]}

余正涛 ^{[1
,2
]}

石林宾 ^{[1
,2
]}

郭剑毅 ^{[1
,2
]}

机构：

[1] 昆明理工大学信息工程与自动化学院

[2] 云南省计算机技术应用重点实验室

来源：

昆明理工大学学报(自然科学版) | 2015年 / 40卷 / 05期

关键词：

虚假评论; 半监督学习; 主动学习; Tri-training;

D O I：

10.16112/j.cnki.53-1223/n.2015.05.010

中图分类号：

TP391.1 [文字信息处理];

学科分类号：

120506 [数字人文];

摘要：

基于有监督的虚假评论检测方法受限于标注语料的规模,为了更好地利用未标注评论数据来提高分类器的正确率和泛化能力,本文提出一种基于半监督主动学习的虚假评论检测方法.首先,定义并提取评论内容特征以及评论者行为特征,结合这两类特征来对虚假评论进行检测.然后,采用基于熵的主动学习算法选择对学习最有帮助的评论样本,获得其类别标注,将其合并到基于Tri-training的半监督学习算法的训练集中,利用大量未标注评论数据进行学习,提升分类器性能.最后,在领域评论数据集上进行实验,结果表明,将半监督学习与主动学习相结合,能够更有效的利用未标注评论数据,从而有效地提高虚假评论检测的效果.

引用

页码：59 / 65

页数：7

共 8 条

[1]

基于产品评论的情感分析研究 [D].