典型文献
基于GCN的虚假评论检测方法
文献摘要：
服务类网站的用户评价是消费者选择的重要参考,受商业利益的驱使,点评网站上充斥着大量不符合产品真实特性的评论,虚假评论的检测与治理,对于监督网站运营,净化网络环境具有重要的意义.为了提升虚假评论的检测结果,在基于词和文档构建的图神经网络进行文本分类的基础上,提出基于融合语义相似度的图卷积网络(sematic-graph convolution networks)的虚假评论检测方法.基于PMI(pointwise mutual information)指数以及基于词嵌入度量的语义相似度构建词与词之间的连边,基于TF-IDF特征值构建词与评论之间的连边;利用图神经网络的传递特征对上述构建的词汇-评论异质文本图中的节点特征信息进行聚合和抽取,捕获词与评论节点之间的高阶特征信息实现分类.在公开数据集上,相对于CNN、LSTM及Text-GCN,提出方法的准确率分别提升7％、4.8％和1.3％.
文献关键词：
图卷积网络(GCN);虚假评论;语义相似度;异质文本图
中图分类号：
作者姓名：
曹东伟;李邵梅;陈鸿昶
作者机构：
郑州大学 中原网络安全研究院,郑州 450000;中国人民解放军战略支援部队信息工程大学,郑州 450000
文献出处：
引用格式：
[1]曹东伟;李邵梅;陈鸿昶-.基于GCN的虚假评论检测方法)[J].计算机工程与应用,2022(03):181-186
A类：
sematic,异质文本图
B类：
GCN,虚假评论,用户评价,消费者选择,商业利益,驱使,点评网站,站上,充斥,检测与治理,监督网,网络环境,文档,图神经网络,文本分类,合语,语义相似度,图卷积网络,graph,convolution,networks,PMI,pointwise,mutual,information,词嵌入,入度,TF,IDF,节点特征,特征信息,公开数据集,Text
AB值：
0.368383
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。
