一种基于LSTM多实体特征融合的虚假评论检测方法技术

本发明专利技术公开了一种基于LSTM多实体特征融合的虚假评论检测方法，包括以下步骤：步骤1，将评论按用户和产品分别进行分组，提取待检测评论基于产品实体的评论序列和基于用户实体的评论序列；步骤2，对每个实体中的评论进行向量化，使用卷积神经网络提取文本特征；步骤3，根据相关行为分析，对每个实体的每条评论的行为特征进行提取；步骤4，将每个实体中每条评论的文本特征与行为特征进行联合，对评论的时序联合特征进行再提取，得到待检测评论在各个实体中的特征向量表示形式；步骤5，融合待检测评论在不同实体中的特征向量，学习新的特征并构建分类器，进行虚假评论和正常评论的判定。

A false comment detection method based on multi entity feature fusion of LSTM

【技术实现步骤摘要】
一种基于LSTM多实体特征融合的虚假评论检测方法
本专利技术涉及文本挖掘领域，尤其涉及一种基于LSTM多实体特征融合的虚假评论检测方法。
技术介绍
随着计算机技术的发展，网络与人们的生活紧紧联系到了一起，通过网络售卖货物已经越来越成为一种重要的销售方式，网上购物往往会受到他人对货物评论的影响，而人们也产生了强烈动机，通过发布一些虚假的观点或评论，来推销或诋毁一些目标产品、服务、组织或个人。为检测虚假评论，已经有人进行了大量工作，他们从评论文本与用户数据两方面出发，试图找到用于表示虚假评论的线索，提取有效的文本特征和行为特征，并依此特征将评论进行表示，进而使用统计模型来检测虚假评论，然而现有的检测方法效果较差，无法精确的判别哪些评论是虚假评论。为此本专利技术提出了一种基于LSTM多实体特征融合的虚假评论检测方法，能够精确的进行虚假评论检测。
技术实现思路
为实现本专利技术之目的，采用以下技术方案予以实现：一种基于LSTM多实体特征融合的虚假评论检测方法，包括以下步骤：步骤1，将评论按用户和产品分别进行分本文档来自技高网...

【技术保护点】
1.一种基于LSTM多实体特征融合的虚假评论检测方法，其特征在于包括以下步骤：步骤1，将评论按用户和产品分别进行分组，提取待检测评论基于产品实体的评论序列和基于用户实体的评论序列；步骤2，对每个实体中的评论进行向量化，使用卷积神经网络提取文本特征；步骤3，根据相关行为分析，对每个实体的每条评论的行为特征进行提取；步骤4，将每个实体中每条评论的文本特征与行为特征进行联合，对评论的时序联合特征进行再提取，得到待检测评论在各个实体中的特征向量表示形式；步骤5，融合待检测评论在不同实体中的特征向量，学习新的特征并构建分类器，进行虚假评论和正常评论的判定。/n

【技术特征摘要】
1.一种基于LSTM多实体特征融合的虚假评论检测方法，其特征在于包括以下步骤：步骤1，将评论按用户和产品分别进行分组，提取待检测评论基于产品实体的评论序列和基于用户实体的评论序列；步骤2，对每个实体中的评论进行向量化，使用卷积神经网络提取文本特征；步骤3，根据相关行为分析，对每个实体的每条评论的行为特征进行提取；步骤4，将每个实体中每条评论的文本特征与行为特征进行联合，对评论的时序联合特征进行再提取，得到待检测评论在各个实体中的特征向量表示形式；步骤5，融合待检测评论在不同实体中的特征向量，学习新的特征并构建分类器，进行虚假评论和正常评论的...

【专利技术属性】
技术研发人员：向凌云，郭国庆，刘宇航，
申请(专利权)人：长沙理工大学，
类型：发明
国别省市：湖南;43