-
题名集成层级图注意力网络检测非均衡虚假评论
被引量：3
- 1
-
-
作者
赵敏
张月琴
窦英通
张泽华
-
机构
太原理工大学信息与计算机学院
Department of Computer Science
-
出处
《计算机科学与探索》
CSCD
北大核心
2023年第2期428-441,共14页
-
基金
国家自然科学基金(61503273,61702356)
教育部产学合作协同育人项目
山西省回国留学人员科研资助项目。
-
文摘
作为机器学习当前一大热点,图神经网络(GNN)模型近年来已逐渐开始结合用户评论应用于欺诈检测领域。但现实中汇总的用户评论涉及多个不同领域,可用信息复杂多样,海量的用户生成内容中欺诈信息通常也只占少数,基于GNN的相关检测方法对虚假评论的识别效果不甚理想。针对这种特征异构和数据分布不均衡的问题,将评论系统进行异构网络建模,提出一种新的集成层次图注意力网络(En-HGAN)识别方法。通过融合层次注意力结构,更加充分地利用异构网络中丰富的用户行为信息,为评论学习更加丰富的语义表征,并在集成学习Bagging框架下集成多个差异化的HGAN子模型,使用随机欠采样策略实现基学习器多样性聚合,从而减少有效信息丢失,增强对欺诈评论的检测能力。在YelpChi与Amazon真实数据集上的实验结果表明,En-HGAN方法具有良好的异常探测性能,和当前一些最新的方法相比,在数据类别倾斜分布的应用中显示En-HGAN方法对欺诈实体具有不错的鲁棒性。
-
关键词
虚假评论检测
层次图注意力网络
网络表征学习
集成学习
非均衡数据分类
-
Keywords
fake review detection
hierarchical graph attention network
network representation learning
ensemble learning
imbalanced data classification
-
分类号
TP316
[自动化与计算机技术—计算机软件与理论]
-
