公开(公告)号：CN112905739B

公开(公告)日：2023-12-26

申请号：CN202110162374.3

申请日：2021-02-05

Applicant: 北京邮电大学

Inventor： 禹可 ,  涂钊婷 ,  吴晓非

IPC: G06F16/33 ,  G06F16/35 ,  G06F18/241 ,  G06Q30/0601

Abstract: 本发明提供了一种虚假评论检测模型训练方法、检测方法及电子设备，该训练方法包括：获取酒店评论数据集；统计酒店信息在评论数据集出现次数得到酒店被评论数量，统计用户信息在酒店评论数据集中出现次数，得到用户发出评论数量；对酒店信息提取酒店属性特征；利用卷积神经网络对评论文本提取评论文本特征；根据用户信息、酒店等级等信息构建用户行为信息，利用DeepFM模型提取用户行为特征；基于注意力机制对用户行为特征、酒店属性特征和评论文本特征进行特征学习得到关联向量，将关联向量融合生成评论特征融合向量；由大量评论特征融合向量形成训练样本集，利用训练样本对分类器训练得到评论检测模型。通过上述方案，能提高虚假评论检测的准确性。

公开(公告)号：CN112905739A

公开(公告)日：2021-06-04

申请号：CN202110162374.3

申请日：2021-02-05

Applicant: 北京邮电大学

Inventor： 禹可 ,  涂钊婷 ,  吴晓非

IPC: G06F16/33 ,  G06F16/35 ,  G06K9/62 ,  G06Q30/06

Abstract: 本发明提供了一种虚假评论检测模型训练方法、检测方法及电子设备，该训练方法包括：获取酒店评论数据集；统计酒店信息在评论数据集出现次数得到酒店被评论数量，统计用户信息在酒店评论数据集中出现次数，得到用户发出评论数量；对酒店信息提取酒店属性特征；利用卷积神经网络对评论文本提取评论文本特征；根据用户信息、酒店等级等信息构建用户行为信息，利用DeepFM模型提取用户行为特征；基于注意力机制对用户行为特征、酒店属性特征和评论文本特征进行特征学习得到关联向量，将关联向量融合生成评论特征融合向量；由大量评论特征融合向量形成训练样本集，利用训练样本对分类器训练得到评论检测模型。通过上述方案，能提高虚假评论检测的准确性。