LBSN中一种基于多维属性挖掘的虚假评论可疑地点检测方法技术

本发明专利技术公开了LBSN中一种基于多维属性挖掘的虚假评论可疑地点检测方法，其步骤为：首先对存在虚假评论活动的可疑地点进行标注；其次基于LBSN的地点评分、时空属性和地点评论的文本内容，针对地点的整体评论异常与地点间恶意竞争的关系，进行异常特征的提取；采用逻辑斯蒂回归机器学习方法进行训练学习，获得每个地点的可疑程度与两个地点之间的竞争程度；然后基于地点与地点间竞争关系构建马尔科夫随机场检测模型，将地点和地点间竞争关系的异常特征与LBSN网络拓扑相融合；基于检测模型，计算任意地点为可疑地点的概率；最终标注地点是否为存在虚假评论活动的可疑地点。该检测方法大幅提高了检测虚假评论活动的可疑地点的准确率。

A method of false comment suspicious location detection based on multidimensional attribute mining in LBSN

The invention discloses a method of detecting fake reviews of suspicious sites multidimensional attribute mining based on LBSN method, which comprises the following steps: firstly, the existence of false review activities of suspicious sites based on LBSN labeling; second place text content score, space-time attributes and location for comments, comments and abnormal locations between the whole site malicious competition the extraction of abnormal characteristics; using the logic of Christian regression machine learning method for training and learning, the degree of competition between the degree of suspicious at each location with two locations; and then construct the model with the airport detection location and location based on the competitive relationship between Markov combination, abnormal characteristics and topology of LBSN network location and place of competition between based on the detection model; calculation of arbitrary locations for the probability of suspicious sites; the final location is marked for deposit Suspicious locations in a false commentary campaign. The detection method substantially improves the accuracy of detecting suspicious locations of false commentary activities.

【技术实现步骤摘要】
LBSN中一种基于多维属性挖掘的虚假评论可疑地点检测方法
本专利技术涉及到LBSN中一种基于多维属性挖掘的虚假评论可疑地点的检测方法。
技术介绍
近年来，随着移动终端定位技术和移动互联网技术的快速发展，基于位置的社交网络即LBSN(全称为Location-BasedSocialNetworks)平台取得了巨大的成功。LBSN通过位置特征将虚拟社交空间和现实行为空间连接起来，融合了线上关系与线下行为，用户可以依赖线上网络针对空间地点发布评论，线下依靠这些评论来探索发现新的地点，并对这些地点进行选择性访问、消费或者服务。然而，LBSN平台上海量的信息中存在各种虚假评论，其多为组织性的虚假评论活动，这类活动通过发布多条虚假评论以改变地点的口碑，从而影响用户的访问决策，为地点商家攫取不法利益，同时破坏网络环境，严重影响用户体验与网络信誉。因此，识别与检测这部分存在虚假评论活动的可疑地点具有重要的现实意义。当前关于虚假评论活动的商家的检测技术主要是针对传统的电子商务网站，对于LBSN中存在虚假评论活动的可疑地点的检测研究较少，并且没有研究考虑地点商家之间的竞争性导致的虚假评论活动。在现实LBS本文档来自技高网...

【技术保护点】
LBSN中一种基于多维属性挖掘的虚假评论可疑地点检测方法，其特征在于，利用LBSN中地点的异常特征与地点间的竞争关系进行虚假评论可疑地点检测过程，包括如下步骤：1)根据LBSN中已被过滤的评论信息，人工识别虚假评论活动，标注存在虚假评论活动的可疑地点以及无虚假评论行为的可信地点，并划分训练集与测试集；2)针对存在虚假评论活动的地点进行分析，基于LBSN的地点评分、时空属性和地点评论的文本内容提取地点整体评论的异常特征，构造地点的异常特征集；3)针对地点间的竞争性进行分析，基于LBSN的多种维度提取两地点间的恶意竞争关系的异常特征，构造地点间竞争关系的异常特征集；4)将步骤2)与步骤3)得到的特...

【技术特征摘要】
1.LBSN中一种基于多维属性挖掘的虚假评论可疑地点检测方法，其特征在于，利用LBSN中地点的异常特征与地点间的竞争关系进行虚假评论可疑地点检测过程，包括如下步骤：1)根据LBSN中已被过滤的评论信息，人工识别虚假评论活动，标注存在虚假评论活动的可疑地点以及无虚假评论行为的可信地点，并划分训练集与测试集；2)针对存在虚假评论活动的地点进行分析，基于LBSN的地点评分、时空属性和地点评论的文本内容提取地点整体评论的异常特征，构造地点的异常特征集；3)针对地点间的竞争性进行分析，基于LBSN的多种维度提取两地点间的恶意竞争关系的异常特征，构造地点间竞争关系的异常特征集；4)将步骤2)与步骤3)得到的特征向量采用逻辑斯蒂回归机器学习方法进行训练学习，获得每个地点的可疑程度εl与两个地点之间的竞争程度εc；5)基于LBSN构建马尔科夫随机场检测模型，包含节点与边，其中节点表示地点，边表示地点间竞争关系。所述节点包含两种类别：可疑地点与可信地点，在不同类别下设置节点属于各类别的先验概率，通过步骤4中地点的可疑程度获得；所述边包含边连接的两节点在不同类别下的关联程度分布矩阵，关联程度通过步骤4中两地点间竞争程度获得；6)根据步骤5)得到的检测模型，对于节点vi到节点vj设置信息值并基于模型将信息值迭代传播，最终对每个节点vi生成置信度表示节点vi属于类别σi的可信度，作为节点vi属于类别σi的边缘概率；7)根据步骤6)获得的节点置信度，最终对地点是否为存在虚假评论活动的可疑地点进行标注。2.根据权利要求1所述的LBSN中一种基于多维属性挖掘的虚假评论可疑地点检测方法，其特征在于，所述步骤1)的数据集中存在虚假评论活动的可疑地点标注的具体方法为：根据LBSN网络中自动过滤的评论信息，人工标注其中的虚假评论，依据虚假评论对存在虚假评论活动的可疑地点与可信地点进行标注。3.根据权利要求1所述的LBSN中一种基于多维属性挖掘的虚假评论可疑地点检测方法，其特征在于，所述步骤2)中分别从评分差异维度、时间维度、空间维度、评论文本维度对数据集中任意地点的整体评论进行异常特征的提取。4.根据权利要求1所述的LBSN中一种基于多维属性挖掘的虚假评论可疑地点检测方法，其特征在于，所述步骤3)中分别从评分差异维度、时间维度、评论...

【专利技术属性】
技术研发人员：曹玖新，郭一方，马卓，
申请(专利权)人：东南大学，
类型：发明
国别省市：江苏,32