基于聚类微调的在线商品虚假评论识别

刘津浩, 权沛, 张文

中国科学院大学学报(中英文) ›› 2026, Vol. 43 ›› Issue (02) : 230 -239.

PDF
中国科学院大学学报(中英文) ›› 2026, Vol. 43 ›› Issue (02) : 230 -239.

基于聚类微调的在线商品虚假评论识别

    刘津浩, 权沛, 张文
作者信息 +

Author information +
文章历史 +
PDF

摘要

虚假评论影响在线消费者的购买决策,如何高效识别虚假评论是当前电子商务发展中亟待解决的问题。传统虚假评论识别方法容易受到评论文本风格、句法词法和上下文差异的影响,准确性偏低;大语言模型(LLM)虽然可以解决这一问题,但训练过程往往耗费机时过长。为此,提出一种新的基于聚类微调的在线商品虚假评论识别方法(CF-DRI)。该方法通过筛选聚类评论样本来微调LLM的预训练知识,以显著提升LLM识别虚假评论的训练效率。相较于传统方法,CF-DRI方法在微调样本数量较少的情况下即可表现出优异的识别性能。基于Yelp. com数据集的实验结果表明:CF-DRI方法仅利用20%的聚类样本,即可实现92.29%的虚假评论识别精确率和90.03%的识别召回率。

关键词

虚假评论识别 / 大语言模型 / 微调 / 聚类

Key words

引用本文

引用格式 ▾
基于聚类微调的在线商品虚假评论识别[J]. 中国科学院大学学报(中英文), 2026, 43(02): 230-239 DOI:

登录浏览全文

4963

注册一个新账户 忘记密码

参考文献

AI Summary AI Mindmap
PDF

2

访问

0

被引

详细

导航
相关文章

AI思维导图

/