Data Augmentation for Fake Reviews Detection in Multiple Languages and Multiple Domains

要約

インターネットの成長に伴い、購入習慣が変化し、顧客は購入を導くために他の顧客のオンライン意見に依存するようになりました。
したがって、偽のレビューを特定することは、自然言語処理（NLP）研究の重要な分野になりました。
ただし、高性能NLPモデルの開発は、低リソース言語やドメインでは利用できないことが多いトレーニングデータの利用可能性に依存します。
この研究では、大規模な言語モデルを使用してデータセットを生成して、偽のレビュー検出器をトレーニングしました。
私たちのアプローチは、さまざまなドメイン（書評、レストランのレビュー、ホテルのレビュー）とさまざまな言語（英語と中国語）で偽のレビューを生成するために使用されました。
私たちの結果は、データ増強技術がすべてのドメインと言語の偽のレビュー検出でパフォーマンスが向上することを示しています。
偽のレビュー検出モデルの精度は、DEREVテストで0.3パーセントポイント、Amazonテストで10.9パーセントポイント、YELPテストで8.3パーセントポイント、拡張データセットを使用したDIANPINGテストで7.2パーセントポイントを改善できます。

要約(オリジナル)

With the growth of the Internet, buying habits have changed, and customers have become more dependent on the online opinions of other customers to guide their purchases. Identifying fake reviews thus became an important area for Natural Language Processing (NLP) research. However, developing high-performance NLP models depends on the availability of large amounts of training data, which are often not available for low-resource languages or domains. In this research, we used large language models to generate datasets to train fake review detectors. Our approach was used to generate fake reviews in different domains (book reviews, restaurant reviews, and hotel reviews) and different languages (English and Chinese). Our results demonstrate that our data augmentation techniques result in improved performance at fake review detection for all domains and languages. The accuracy of our fake review detection model can be improved by 0.3 percentage points on DeRev TEST, 10.9 percentage points on Amazon TEST, 8.3 percentage points on Yelp TEST and 7.2 percentage points on DianPing TEST using the augmented datasets.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google