典型文献
基于迁移与半监督共生融合的虚假评论识别
文献摘要：
虚假评论识别对于用户生成内容的知识获取和利用至关重要,然而,缺少真实可靠的虚假评论数据集使基于机器学习的虚假评论识别具有极大的难度.针对此,考虑采用有标记的黄金数据集以及无标记的亚马逊评论数据集辅助研究跨域虚假评论识别方法.首先,考虑数据集的分布异构特性,提出KMM(Kotlin Multiplatform Mobile)迁移学习策略来有效地获取具有虚假评论的文本共性特征,实现评论文本的跨域迁移;然后,在目标域集合中利用协同半监督机制,基于迁移数据和目标域自身少量标记评论来实现对无标记评论的虚假性识别.迁移学习与协同半监督共生融合,即利用不断更新的目标域标记评论样本,动态多批次实现跨域评论文本的迁移,并完善协同半监督机制,以逐步提高目标域对虚假评论文本的识别精度.在典型亚马逊服装评论数据集和Yelp酒店评论数据集上的实验,证明了提出方法的有效性.
文献关键词：
虚假评论识别;半监督学习;迁移学习;共生融合;文本分类
中图分类号：
作者姓名：
孙晓燕;乔娅利
作者机构：
中国矿业大学信息与控制工程学院,徐州,221116
文献出处：
引用格式：
[1]孙晓燕;乔娅利-.基于迁移与半监督共生融合的虚假评论识别)[J].南京大学学报（自然科学版）,2022(05):846-855
A类：
KMM,Kotlin,Multiplatform,半监督机制
B类：
共生融合,虚假评论识别,用户生成内容,知识获取,评论数据,基于机器学习,别具,无标记,亚马逊,助研,跨域,Mobile,迁移学习策略,共性特征,评论文本,目标域,迁移数,虚假性,不断更新,多批,逐步提高,识别精度,服装,Yelp,酒店,半监督学习,文本分类
AB值：
0.229324
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
