Detection of opinion spam based on anomalous rating deviation

در این مقاله، ما در نظر گرفتن سوء استفاده از اسپم ها از رتبه بندی متوسط ​​برای محصولات، با تمرکز بر تفاوت های بین رتبه بندی هرزنامه ها و نظر اکثریت از بررسی های صادقانه. ما پیشنهاد می کنیم یک روش سبک وزن و موثر برای شناسایی اسپم ها در نظر گرفته شده بر اساس این تفاوت ها. این روش از رگرسیون دو زاویه ای برای شناسایی داوران استفاده می کند که دارای نسبت ناهمگونی رأی ها هستند که از نظر اکثریت متضرر می شوند. آزمایشات مربوط به داده های واقعی و مصنوعی نشان می دهد که رویکرد ما قادر به شناسایی اسپم ها است. در مقایسه با رویکرد فعلی از هنر گذشته، تنها بر اساس رتبه بندی، نشان می دهد که روش ما قادر به دستیابی به دقت تشخیص مشابه در حالی که حذف نیاز به فرض های مربوط به احتمال بررسی هرزنامه و غیر اسپم و کاهش محاسبات سنگین مورد نیاز برای یادگیری