林秀嬌，魏晶晶，劉 月，廖祥文

(1．福州大學(xué)數(shù)學(xué)與計(jì)算機(jī)科學(xué)學(xué)院，福建福州 350116;2．福建省網(wǎng)絡(luò)計(jì)算與智能信息處理重點(diǎn)實(shí)驗(yàn)室，福建福州 350116;3．福建江夏學(xué)院電子信息科學(xué)學(xué)院，福建福州 350116)

0 引言

隨著電子商務(wù)的高速發(fā)展，越來越多的用戶會(huì)在購買產(chǎn)品后發(fā)表自己對(duì)產(chǎn)品、商店服務(wù)等評(píng)論信息．這些信息對(duì)潛在用戶和商店是一個(gè)很重要的資源．但是有一些用戶為了提升或者詆毀某一產(chǎn)品或某一類產(chǎn)品的聲譽(yù)，發(fā)表不真實(shí)的、有欺騙性質(zhì)的垃圾評(píng)論，這些評(píng)論可能會(huì)誤導(dǎo)潛在消費(fèi)者;同時(shí)還可能干擾評(píng)論意見挖掘和情感分析系統(tǒng)的分析［1］．因此，對(duì)產(chǎn)品垃圾評(píng)論的識(shí)別很有必要．

目前，國(guó)內(nèi)外針對(duì)產(chǎn)品垃圾評(píng)論識(shí)別展開了很多的研究，并且取得了一定的成果．但是大部分工作集中在文本相似［1－3］、語言特征［4］、評(píng)論者行為［5－6］和評(píng)分模式［5－7］等方面，這些方法只能識(shí)別重復(fù)的垃圾評(píng)論或是寫重復(fù)評(píng)論的垃圾評(píng)論者，對(duì)于其他類型則無法檢測(cè)．為此，本研究提出構(gòu)造評(píng)論者、評(píng)論和商店以及回復(fù)者的評(píng)論關(guān)系圖，利用四者的關(guān)系計(jì)算評(píng)論者可信度來檢測(cè)產(chǎn)品垃圾評(píng)論者．

1 相關(guān)工作

1．1 垃圾評(píng)論文本的檢測(cè)

2007年Jindal等［1－3］首次提出垃圾評(píng)論這個(gè)概念，把它分為三種類型:untruthful opinion，reviews on brands only，non－reviews，然后采用logistic回歸建立機(jī)器學(xué)習(xí)模型來識(shí)別三種類型的垃圾評(píng)論．Lai等［4］提出一種基于unigram模型的識(shí)別方法，利用句法分析和英文格式上的特征作為分類特征．Ott等［8］將垃圾評(píng)論的識(shí)別看成一個(gè)二元分類問題．除此之外，文獻(xiàn)［7，9－10］也利用垃圾評(píng)論文本內(nèi)容檢測(cè)垃圾評(píng)論．

上述方法需要對(duì)文本內(nèi)容有深度理解和觀點(diǎn)抽?。u(píng)論者為能成功誤導(dǎo)消費(fèi)者，會(huì)使自己的評(píng)論看起來與正常評(píng)論區(qū)別不大甚至沒有區(qū)別［11］，因此利用評(píng)論文本來識(shí)別垃圾評(píng)論會(huì)比較困難．

1．2 垃圾評(píng)論者的檢測(cè)

這類檢測(cè)方法的基本思想是:垃圾評(píng)論者發(fā)表的評(píng)論多為垃圾評(píng)論．Lim等［5］和邱云飛等［6］利用用戶行為來檢測(cè)垃圾評(píng)論者．Liu等［12］通過研究“非期望規(guī)則”來識(shí)別垃圾評(píng)論者．但是這些方法只能檢測(cè)某種特定的垃圾評(píng)論者，如寫重復(fù)評(píng)論的產(chǎn)品垃圾評(píng)論者．Liu等［13－14］認(rèn)為產(chǎn)品垃圾評(píng)論不只是個(gè)人的行為，而是一種團(tuán)體活動(dòng)，他們結(jié)合評(píng)論組特征與單個(gè)評(píng)論者特征建立三個(gè)交叉模型識(shí)別垃圾評(píng)論者．Xie等［15－16］利用時(shí)間序列檢測(cè)垃圾評(píng)論者．Li等［17］把垃圾評(píng)論者檢測(cè)和垃圾評(píng)論檢測(cè)兩者結(jié)合起來，但該方法仍然需要抽取評(píng)論文本內(nèi)容．Wang等［18］利用評(píng)論者、評(píng)論和商店三者之間的關(guān)系檢測(cè)垃圾評(píng)論者，不僅避開了對(duì)文本內(nèi)容深度理解和觀點(diǎn)的抽取，而且還能檢測(cè)出寫非重復(fù)垃圾評(píng)論的垃圾評(píng)論者．但是他們尚未加入回復(fù)者對(duì)評(píng)論的影響，對(duì)于有越多可信度高的回復(fù)者認(rèn)為有用的評(píng)論，有理由相信該評(píng)論的真實(shí)度會(huì)更高．因此，本研究提出構(gòu)造評(píng)論者、評(píng)論、商店以及回復(fù)者的評(píng)論關(guān)系圖，利用四者之間的關(guān)系計(jì)算評(píng)論者可信度檢測(cè)垃圾評(píng)論者．

2 基于回復(fù)者特征的垃圾評(píng)論者檢測(cè)模型

為了檢測(cè)垃圾評(píng)論者，用帶有箭頭的實(shí)線將評(píng)論者與其評(píng)論及所在商店相連．如果一條評(píng)論有其他評(píng)論者(回復(fù)者)對(duì)其回復(fù)，則用帶有箭頭的虛線將回復(fù)者與評(píng)論相連，形成評(píng)論關(guān)系圖，如圖1所示．

圖1 評(píng)論關(guān)系圖Fig．1 Review graph

2．1 問題定義

由圖1可以看出，評(píng)論者與其評(píng)論有關(guān)聯(lián)，因此判斷一個(gè)評(píng)論者是否為垃圾評(píng)論者，可以觀察該評(píng)論者的評(píng)論是否真實(shí)．假設(shè)一個(gè)評(píng)論者的可信度與其所有評(píng)論的真實(shí)度的總和Hr有關(guān)系．圖1中的評(píng)論者用R={r1，r2，…，rn}表示，T(r)={T(r1)，T(r2)，T(rn)}表示評(píng)論者r的可信度，K是評(píng)論者可信度的上界，nr是評(píng)論者r的評(píng)論總數(shù)量，αir是評(píng)論者r的第i個(gè)評(píng)論．則問題定義為:

為了方便計(jì)算，將T(r)的值歸一化到［－1，1］，則評(píng)論者的可信度為:

其中:

明確評(píng)論者可信度T(r)的求解方法后，需要求得公式中的另一個(gè)參數(shù)H(v)．

2．2 評(píng)論真實(shí)度度量

用戶在判斷一條評(píng)論是否真實(shí)可信，一般會(huì)從以下三個(gè)方面進(jìn)行考慮:①了解商店是否可靠．對(duì)于可靠的商店，用戶會(huì)相信其評(píng)論是真實(shí)可信的，而對(duì)于聲譽(yù)差的商店，用戶一般會(huì)懷疑其評(píng)論的真實(shí)性．②觀察該評(píng)論的周圍評(píng)論，即同一家商店一定時(shí)間內(nèi)Δt的其他評(píng)論．如果周圍評(píng)論都認(rèn)為產(chǎn)品是好的，則用戶會(huì)相信該產(chǎn)品是好的;反之，用戶會(huì)懷疑該產(chǎn)品的質(zhì)量．③觀察這條評(píng)論的回復(fù)者，如果越多可信度高的回復(fù)者認(rèn)為評(píng)論有用，則認(rèn)為評(píng)論的真實(shí)度越高．反之，用戶會(huì)覺得該評(píng)論不真實(shí)．基于以上三方面考慮，評(píng)論真實(shí)度模型有三個(gè)影響因素，即商店的可靠性、周圍評(píng)論的一致性分?jǐn)?shù)以及回復(fù)者的回復(fù)分?jǐn)?shù)．因此，將評(píng)論v的真實(shí)度定義為:

H(v)的值在［－1，1］．其中:α是參數(shù)，取值為0．3、0．5、0．7、1．0、1．5、2．0;An(v，Δt)是周圍評(píng)論的一致性分?jǐn)?shù);R(Γv)是商店Γv的可靠性分?jǐn)?shù);Γv是評(píng)論v評(píng)論的商店id;U(v)是評(píng)論v的回復(fù)分?jǐn)?shù)．

2．2．1 周圍評(píng)論的一致性分?jǐn)?shù)估計(jì)

把評(píng)論v的所有周圍評(píng)論的集合記為Sv，即:

其中:tv是評(píng)論v的評(píng)論時(shí)間．對(duì)于Sv中任意兩條評(píng)論i、j，如果這兩條評(píng)論關(guān)于同一家商店的同一產(chǎn)品的觀點(diǎn)相似，則認(rèn)為這兩條評(píng)論是一致的．由于觀點(diǎn)挖掘需要的代價(jià)大，假設(shè)兩條評(píng)論關(guān)于同一家商店有相似的評(píng)分，則認(rèn)為這兩條評(píng)論對(duì)這家商店有相似的觀點(diǎn)．

因此，根據(jù)假設(shè)，如果

其中:ψv是評(píng)論v的評(píng)分;δ是一個(gè)給定的邊界(本文的評(píng)分有5個(gè)等級(jí)，δ取值為1)，則表示一致評(píng)論．現(xiàn)把 Sv劃分為兩個(gè)集合，Sv，a和 Sv，d，定義如下:

同時(shí)，考慮評(píng)論者的可信度分?jǐn)?shù)．評(píng)論者可信度越高，其評(píng)論越真實(shí)，即使它的周圍評(píng)論和它不一致，因?yàn)橹車u(píng)論可能都是不可信評(píng)論者寫的．類似地，一條評(píng)論和周圍的評(píng)論都一致也有可能是不真實(shí)的，因?yàn)橹車u(píng)論有可能都是垃圾評(píng)論者寫的．因此，定義評(píng)論v在一定時(shí)間內(nèi)的周圍評(píng)論的一致性分?jǐn)?shù)為:

其中:κv是評(píng)論v的作者id，Δt取發(fā)表這條評(píng)論時(shí)間的前后3個(gè)月．對(duì)周圍的一致性分?jǐn)?shù)歸一化到［－1，1］后得到:

2．2．2 商店的可靠性計(jì)算

如果一個(gè)商店有更多可信度高的評(píng)論者寫正面的評(píng)論，則認(rèn)為這家商店更可靠．反之，則認(rèn)為這家商店更不可靠．因此定義商店s的可靠性為:

其中:

R(s)的值在［－1，1］;vs是商店s的評(píng)論集合;u是評(píng)分系統(tǒng)的中間值，故u取3．

2．2．3 回復(fù)分?jǐn)?shù)估算

回復(fù)者對(duì)評(píng)論的回復(fù)可反應(yīng)其他人對(duì)這條評(píng)論的認(rèn)可程度，從而間接反應(yīng)出評(píng)論的書寫者是否可信．如果一條評(píng)論有越多的可信度高的回復(fù)者對(duì)其回復(fù)，并且認(rèn)為這條評(píng)論有用，則這條評(píng)論的真實(shí)度越高．反之，則認(rèn)為這條評(píng)論不真實(shí)．

依據(jù)回復(fù)者的可信度將回復(fù)者分為可信回復(fù)者和不可信回復(fù)者．根據(jù)不可信評(píng)論者的大部分評(píng)論是不可信的，假設(shè)不可信回復(fù)者的回復(fù)是不可信的．在計(jì)算回復(fù)分?jǐn)?shù)時(shí)只考慮可信回復(fù)者(回復(fù)者的可信度大于零)的回復(fù)對(duì)評(píng)論的影響．同時(shí)，在計(jì)算回復(fù)分?jǐn)?shù)時(shí)不考慮評(píng)論者自己對(duì)自己評(píng)論的回復(fù)，因?yàn)檫@可能只是評(píng)論者對(duì)自己評(píng)論的補(bǔ)充．

因此，定義評(píng)論v的回復(fù)分?jǐn)?shù)為:

U(v)的值在［－1，1］．其中，rv是評(píng)論者r認(rèn)為評(píng)論v有用的回復(fù)者．

2．2．4 迭代算法

采用迭代算法求解評(píng)論者可信度分?jǐn)?shù)，依據(jù)文獻(xiàn)［8］，本文的迭代次數(shù)為5，具體算法步驟如下:

輸入:商店 s={s1，s2，…，st}，評(píng)論v={v1，v2，…，vk}，評(píng)論者r={r1，r2，…，rn}，時(shí)間窗口Δt，評(píng)論相似閾值δ．

輸出:評(píng)論者可信度T(r)，評(píng)論真實(shí)度H(v)，商店可靠性R(s)．

Step1:初始化商店可靠性R(s)=1，評(píng)論者可信度T(r)=1，評(píng)分中間值u=3;

Step2:根據(jù)初始值計(jì)算評(píng)論的周圍分?jǐn)?shù)An(v，Δt)以及回復(fù)分?jǐn)?shù)U(v);

Step8:重復(fù)迭代上述步驟，當(dāng)?shù)趇次迭代和第i+1次迭代得到的評(píng)論者可信度的向量ξi和ξi+1滿足:1 －cos(ξi，ξi+1)＜ 5 ×10－4時(shí)，迭代結(jié)束．

3 實(shí)驗(yàn)結(jié)果與分析

3．1 數(shù)據(jù)集構(gòu)造

使用文獻(xiàn)［6］提供的亞馬遜網(wǎng)站的評(píng)論作為實(shí)驗(yàn)數(shù)據(jù)集．根據(jù)得到的數(shù)據(jù)集，假設(shè)同一個(gè)品牌的商品為同一家商店出售．

數(shù)據(jù)集分為評(píng)論數(shù)據(jù)集和回復(fù)數(shù)據(jù)集．對(duì)數(shù)據(jù)集先進(jìn)行預(yù)處理:①刪除在評(píng)論數(shù)據(jù)集中沒有評(píng)論的回復(fù)者．②刪除重復(fù)的回復(fù)評(píng)論．③刪除評(píng)論者對(duì)自己的回復(fù)．經(jīng)過預(yù)處理后得到的數(shù)據(jù)集如表1所示．

表1 預(yù)處理后的數(shù)據(jù)集Tab．1 The dataset after preprocessing

3．2 實(shí)驗(yàn)結(jié)果分析

為了檢驗(yàn)?zāi)Ｐ偷暮侠硇院陀行裕紫扔帽疚乃惴ㄗR(shí)別出前100個(gè)高度可疑的垃圾評(píng)論者作為候選垃圾評(píng)論者，然后對(duì)這100個(gè)候選垃圾評(píng)論者進(jìn)行人工(3個(gè)標(biāo)記人)標(biāo)注，識(shí)別過程中標(biāo)記人是獨(dú)立的．根據(jù)大多數(shù)投票原則，一個(gè)評(píng)論者如果同時(shí)被2個(gè)或2個(gè)以上的標(biāo)記人標(biāo)記，則認(rèn)為該評(píng)論者是垃圾評(píng)論者．根據(jù)最終人工標(biāo)記的結(jié)果，采用準(zhǔn)確率(precision)來評(píng)估方法的好壞．

式(4)中的α 取值為0．3、0．5、0．7、1．0、1．5、2．0．由于篇幅限制，這里只列出實(shí)驗(yàn)效果最好的(α =0．5)人工標(biāo)記結(jié)果，如表2所示．

表2 人工標(biāo)記結(jié)果Tab．2 Human evaluation result (個(gè))

表2顯示了人工標(biāo)記的一致性．例如，由算法檢測(cè)的前100個(gè)可疑垃圾評(píng)論者中，標(biāo)記人1認(rèn)為其中48個(gè)可疑垃圾評(píng)論者為真實(shí)的垃圾評(píng)論者，標(biāo)記人2與標(biāo)記人1有36個(gè)可疑垃圾評(píng)論者一致認(rèn)為是真實(shí)的垃圾評(píng)論者，而標(biāo)記人3與標(biāo)記人1有35個(gè)可疑垃圾評(píng)論者一致認(rèn)為是真實(shí)的垃圾評(píng)論者．

為了驗(yàn)證本文方法的合理性和有效性，設(shè)計(jì)了回復(fù)分?jǐn)?shù)前后的對(duì)比實(shí)驗(yàn)．實(shí)驗(yàn)結(jié)果顯示，當(dāng)回復(fù)分?jǐn)?shù)中的 α 取值為0．3、0．5、0．7、1．0、1．5、2．0時(shí)，準(zhǔn)確率分別為44%、45%、43%、44%、42%、41%，與基準(zhǔn)的準(zhǔn)確率41%相比都有提高或持平．可以看出，當(dāng)α＞1之后，準(zhǔn)確率的提升空間逐漸減小，這說明回復(fù)分?jǐn)?shù)對(duì)評(píng)論真實(shí)度有影響，但是其影響力度與商店的可靠性和周圍評(píng)論的一致性對(duì)評(píng)論真實(shí)度的影響力度相比較小，所需要的權(quán)值也應(yīng)該更?。?/p>

通過實(shí)驗(yàn)證明，回復(fù)分?jǐn)?shù)對(duì)評(píng)論的真實(shí)度有影響，能夠提高垃圾評(píng)論者識(shí)別的準(zhǔn)確率．例如，正常的評(píng)論者“kanghui35”在基準(zhǔn)實(shí)驗(yàn)下，他的可信度分?jǐn)?shù)為－0．550 420，被認(rèn)為是可疑的垃圾評(píng)論者．而加入回復(fù)數(shù)后“kanghui35”的可信度分?jǐn)?shù)為0．145 761，可信度分?jǐn)?shù)提高了，被正確識(shí)別．

雖然加入回復(fù)分?jǐn)?shù)之后的準(zhǔn)確率提高了，但是提高的幅度不大，即使在α=0．5實(shí)驗(yàn)效果最好的情況下與基準(zhǔn)的準(zhǔn)確率相比只提高了4個(gè)百分點(diǎn)，總的準(zhǔn)確率還有較大的提升空間．影響準(zhǔn)確率的原因可能是:首先，由于回復(fù)的數(shù)據(jù)集較少，一些真實(shí)可靠的評(píng)論并未得到可信度高的回復(fù)者回復(fù);其次，回復(fù)分?jǐn)?shù)中參數(shù)α對(duì)實(shí)驗(yàn)結(jié)果有一定的影響，需要繼續(xù)對(duì)α進(jìn)行優(yōu)化，降低其對(duì)結(jié)果產(chǎn)生的誤差，提高識(shí)別精度;另外，還可能是因?yàn)橐恍├u(píng)論者的特征指標(biāo)尚未被考慮，無法識(shí)別更多的垃圾評(píng)論者．以上三種可能有待于之后的進(jìn)一步細(xì)致研究．

致謝:感謝邱云飛，王建坤等為本文提供的亞馬遜網(wǎng)站的評(píng)論數(shù)據(jù)集．