Metadata Integration for Spam Reviews Detection on Vietnamese E-commerce Websites

要約

スパムレビュー (意見) を検出する問題は、近年、特に電子商取引の急速な発展に伴い、大きな注目を集めています。
スパム レビューはコメントの内容に基づいて分類されることがよくありますが、モデルがレビュー ラベルを正確に判断するだけでは不十分な場合があります。
この作業では、スパム レビュー分類のための補足属性を統合する目的でレビューのメタデータを含む ViSpamReviews v2 データセットを導入します。
我々は、テキスト属性とカテゴリ属性の両方を分類モデルに同時に統合する新しいアプローチを提案します。
私たちの実験では、この製品カテゴリはディープ ニューラル ネットワーク (DNN) モデルと組み合わせると効果的であることが証明され、テキスト機能は両方の DNN モデルで良好なパフォーマンスを示し、このモデルはベトナム語に関するスパム レビューを検出する問題において最先端のパフォーマンスを達成しました。
電子商取引 Web サイト、つまり PhoBERT。
具体的には、PhoBERT モデルは、PhoBERT と SentenceBERT を組み合わせた SPhoBert モデルから生成された製品説明機能と組み合わせると、最高の精度を実現します。
マクロ平均 F1 スコアを使用すると、スパム レビューを分類するタスクは 87.22% (ベースラインと比較して 1.64% 増加) を達成し、スパム レビューの種類を識別するタスクは 73.49% (1.93 % 増加) の精度を達成しました。
ベースラインと比較した%）。

要約(オリジナル)

The problem of detecting spam reviews (opinions) has received significant attention in recent years, especially with the rapid development of e-commerce. Spam reviews are often classified based on comment content, but in some cases, it is insufficient for models to accurately determine the review label. In this work, we introduce the ViSpamReviews v2 dataset, which includes metadata of reviews with the objective of integrating supplementary attributes for spam review classification. We propose a novel approach to simultaneously integrate both textual and categorical attributes into the classification model. In our experiments, the product category proved effective when combined with deep neural network (DNN) models, while text features performed well on both DNN models and the model achieved state-of-the-art performance in the problem of detecting spam reviews on Vietnamese e-commerce websites, namely PhoBERT. Specifically, the PhoBERT model achieves the highest accuracy when combined with product description features generated from the SPhoBert model, which is the combination of PhoBERT and SentenceBERT. Using the macro-averaged F1 score, the task of classifying spam reviews achieved 87.22% (an increase of 1.64% compared to the baseline), while the task of identifying the type of spam reviews achieved an accuracy of 73.49% (an increase of 1.93% compared to the baseline).

arxiv情報

提供元, 利用サービス

arxiv.jp, Google