LBSN中虛假評論群體檢測.pdf

1、近年來，隨著移動終端定位技術和移動互聯(lián)網技術的快速發(fā)展，基于位置的社交網絡(LBSN，Location-Based Social Networks)平臺取得了巨大的成功。LBSN通過位置特征將虛擬社交空間和現實行為空間連接起來，融合了線上關系與線下行為，用戶可以依賴線上網絡針對空間地點發(fā)布評論，線下依靠這些評論來探索發(fā)現新的地點，并對這些地點進行選擇性訪問、消費或服務。然而，LBSN平臺上海量的信息中存在各種虛假評論，其發(fā)布者多為專業(yè)的

2、虛假評論群體，這類群體通過發(fā)布多條虛假評論以改變地點的口碑，從而影響用戶的訪問決策，為地點商家攫取不法利益，同時破壞網絡環(huán)境，嚴重影響用戶體驗與網絡信譽。
　　針對當前關于LBSN中虛假評論群體檢測的研究不足以及虛假評論群體的特征挖掘不全面等問題，本文提出一種新的基于馬爾科夫隨機場的虛假評論群體檢測模型，融合虛假評論群體在群體成員、目標地點、虛假評論、成員共謀及地點競爭五個方面表現出的異常特征，并結合LBSN拓撲關系，設計虛假評論

3、群體檢測算法，目的是更準確、全面的檢測LBSN中實際存在的虛假評論群體及其目標地點。
　　本文首先基于LBSN的多維屬性分析提取虛假評論群體在群體成員個體、目標地點整體、群體的評論、目標地點之間的競爭關系、群體成員之間的共謀關系多角度的異常特征;其次融合多角度的群體異常特征與LBSN拓撲結構，構建具有關聯(lián)差異性的基于馬爾科夫隨機場的檢測模型，將檢測問題轉化為節(jié)點類別標注問題;然后基于馬爾科夫隨機場檢測模型設計共謀的虛假評論者檢測算

4、法，基于拓撲結構推斷虛假評論群體中的個體虛假用戶以及存在虛假評論行為的可疑地點;最后設計基于虛假評論群體成員共謀的異常特征的虛假評論群體聚類算法，發(fā)掘潛在的虛假評論群體以達到檢測目的。
　　為了驗證本文提出算法的性能，并分析本文算法的各個特征的有效性，本文在LBSN類平臺Yelp中Phoemx地區(qū)的數據集上對本文提出的兩種算法分別進行了實驗驗證。通過對實驗結果的對比和分析可以得出:(a)本文提出的共謀的虛假評論群體檢測算法相較于其