【技术实现步骤摘要】
本申请涉及一种垃圾评论检测方法，更具体地说，是涉及一种基于增强的多关系图神经网络的垃圾评论检测方法。
技术介绍
1、随着互联网技术的快速发展，电商平台已经逐渐取代了实体店，成为了人们的购物首选。其中大量的商品交易也越来越依赖于可靠的用户对物品给出合理有价值的评价，许多人就在此发现了“商机”，通过给电商“刷”评论来获取利益。这无疑是一种商业上的欺诈行为，严重误导消费者决策，损害电商平台和消费者的利益，对电子商务的发展造成了不可忽视的危害。识别那些有组织的恶意攻击用户，具有深刻的理论意义和重大的社会经济价值
2、目前，垃圾评论检测主要应用图神经网络（以下称gnn）实现。这是因为为了对抗原有的基于特征的欺诈检测方法，垃圾评论往往存在“伪装”，即与正常用户发布的评论在特征上相似。如此一来，以往的依靠特征的检测方法难以对相似的模糊情况进行精确分类。而基于gnn的检测方法将各个评论按照一定的关系组织成图的形式，在图上发掘评论之间隐藏的微妙信息，以此实现对模糊情况的分类。
3、即便如此，基于gnn的检测方法仍然存在许多难以解决
【技术保护点】
1.一种基于增强的多关系图神经网络的垃圾评论检测方法，其特征在于：包括以下步骤：
2.如权利要求1所述的基于增强的多关系图神经网络的垃圾评论检测方法，其特征在于：所述邻域同质性的计算过程如下：
3.如权利要求1所述的基于增强的多关系图神经网络的垃圾评论检测方法，其特征在于：所述标签感知得分计算前，需要利用训练集分类训练一个基于特征的标签多层感知机，以此对多关系图的所有节点计算标签感知得分，输出正常、异常类别的预测概率。
4.如权利要求3所述的基于增强的多关系图神经网络的垃圾评论检测方法，其特征在于：所述标签多层感知机的训练集包括，训...
【技术特征摘要】
1.一种基于增强的多关系图神经网络的垃圾评论检测方法，其特征在于：包括以下步骤：
2.如权利要求1所述的基于增强的多关系图神经网络的垃圾评论检测方法，其特征在于：所述邻域同质性的计算过程如下：
3.如权利要求1所述的基于增强的多关系图神经网络的垃圾评论检测方法，其特征在于：所述标签感知得分计算前，需要利用训练集分类训练一个基于特征的标签多层感知机，以此对多关系图的所有节点计算标签感知得分，输出正常、异常类别的预测概率。
4.如权利要求3所述的基于增强的多关系图神经网络的垃圾评论检测方法，其特征在于：所述标签多层感知机的训练集包括，训练集的异常节点、从训练集随机采样相同数量的正常节点。
5.如权利要求3所述的基于增强的多关系图...
【专利技术属性】
技术研发人员：王巍，魏家扬，李琰，辛国栋，黄俊恒，佟晓筠，
申请(专利权)人：哈尔滨工业大学威海，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。