本发明公开了一种基于双循环图的虚假评论检测方法，包括：(1)采用原始图过滤器计算原始评论数据的评论置信度和用户置信度，并对用户置信度进行筛选获得可靠用户；(2)利用原始图过滤器计算可靠用户对应的评论数据的商店置信度；(3)将原始图过滤器中的评论置信度更新为步骤(1)获得的评论置信度，利用原始图过滤器计算原始评论数据的用户置信度；(4)以步骤(2)获得的商店置信度和步骤(3)获得的用户置信度作为初始值，构建加权图过滤器；(5)利用加权图过滤器计算原始评论数据的商店置信度、用户置信度和评论置信度，根据评论置信度筛选获得虚假评论。该方法提高了虚假评论的检测准确度。
📄 2018110313621
📂 G06F16_2458
👤 浙江工业大学
📅 2018-09-05
本发明涉及电商推荐系统领域，特别涉及一种基于虚假评论检测优化的电商推荐方法，包括获取用户行为数据、用户评论数据、用户‑商品交互数据；构建情感‑行为向量化模型、情感‑行为匹配性检测模型、基于用户可信度的序列图神经网络推荐模型；根据用户行为数据、用户评论数据、用户‑商品交互数据与各模型得到弱化虚假评论后的推荐列表。本发明通过量化用户情感与行为的匹配程度，并将其作为用户可信度的指标，增大可信度高的用户行为对推荐结果的影响，进而有效弱化虚假评论数据的影响，提升电商平台推荐系统的精确性。
📄 2024119844142
📂 G06Q30_0601
👤 重庆邮电大学
📅 2024-12-31
柿子坊 · 知识产权运营
柿子坊知识产权运营平台