Finding fake reviews in e-commerce platforms by using hybrid algorithms

要約

自然言語処理の重要なコンポーネントである感情分析は、テキスト データで表現される根底にある感情や意見を理解する上で重要な役割を果たします。
この論文では、サポート ベクター マシン (SVM)、K 最近傍法 (KNN)、およびデシジョン ツリー分類器の予測機能を組み合わせた、偽のレビューを見つけるためのセンチメント分析のための革新的なアンサンブル アプローチを提案します。
当社のアンサンブル アーキテクチャは、これらの多様なモデルを戦略的に組み合わせて、固有の弱点を軽減しながらその強みを活用し、それによって偽レビュー予測の優れた精度と堅牢性を実現します。
分類器のすべてのモデルを組み合わせることで、予測パフォーマンスが向上し、現実世界のデータセットに存在するさまざまな言語パターンやニュアンスへの適応性も促進されます。
偽のレビューで考慮された指標は、従来の単一モデルのアプローチに対する、提案されたアンサンブル手法の有効性と競争力を示しています。
私たちの調査結果は、ハイブリッドアルゴリズムを使用して偽レビューを見つける最先端技術を進歩させるアンサンブル技術の可能性を強調しており、最良のレビューを見つけて偽レビューを無視するための、さまざまなソーシャルメディアや電子プラットフォームのさまざまなアプリケーションに影響を与えます。
パファリーやブラフを排除します。

要約(オリジナル)

Sentiment analysis, a vital component in natural language processing, plays a crucial role in understanding the underlying emotions and opinions expressed in textual data. In this paper, we propose an innovative ensemble approach for sentiment analysis for finding fake reviews that amalgamate the predictive capabilities of Support Vector Machine (SVM), K-Nearest Neighbors (KNN), and Decision Tree classifiers. Our ensemble architecture strategically combines these diverse models to capitalize on their strengths while mitigating inherent weaknesses, thereby achieving superior accuracy and robustness in fake review prediction. By combining all the models of our classifiers, the predictive performance is boosted and it also fosters adaptability to varied linguistic patterns and nuances present in real-world datasets. The metrics accounted for on fake reviews demonstrate the efficacy and competitiveness of the proposed ensemble method against traditional single-model approaches. Our findings underscore the potential of ensemble techniques in advancing the state-of-the-art in finding fake reviews using hybrid algorithms, with implications for various applications in different social media and e-platforms to find the best reviews and neglect the fake ones, eliminating puffery and bluffs.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google