Las revisiones falsas no hacen nada por la confianza de los clientes que compran productos y servicios en línea, también dañan la reputación de la empresa y pueden generar sentimientos negativos sobre el mercado en línea.
Ahora, los investigadores en China han ideado un algoritmo para ayudar a eliminar revisiones falsas en sitios de comercio electrónico. Publican detalles este mes en el Revista internacional de operaciones de servicios e informática .
Song Deng, de la Universidad de Finanzas y Economía de Jiangxi, Nanchang, China, explica cómo han cambiado nuestros hábitos de compra y cada vez más personas compran productos y servicios en línea. Uno de los pilares del sitio web de ventas moderno son las reseñas de los clientes y allíincluso son sitios completos que ofrecen a los consumidores un lugar para discutir sus experiencias con un producto determinado.
A lo largo de los años, ha habido varios escándalos con respecto a un gran número de revisiones falsas en los principales mercados y sitios en línea que ofrecen consejos de viaje y paquetes de vacaciones. Existe una necesidad urgente de desarrollar un algoritmo robusto que pueda detectar a los falsificadores y eliminar su hipérbole ybrinde a los consumidores una imagen más real de si un producto dado es un artículo de cinco estrellas o no estrella. En otras palabras, necesitamos un cortacésped automático para reducir el "astroturfing", la comercialización de productos de base artificial.
El método de Deng reconoce las críticas engañosas en función de cómo se han comportado los carteles anteriormente y el contenido de sus revisiones anteriores. Primero, crea un modelo de reconocimiento que puede detectar críticos falsos, escritores fantasmas y miembros pagos del llamado "ejército del agua"basado en el número de revisiones, frecuencia y duración. Luego analiza las características del contenido, como la duración de la revisión, el grado de profesionalismo, la densidad emocional, el formato y cualquier sesgo obvio. Finalmente, el algoritmo aplica un algoritmo de agrupamiento no supervisado basado enF estadísticas y un grado de característica.
Cuando se combinan, estas técnicas eclipsan los algoritmos de detección anteriores para revisiones de automóviles, teléfonos inteligentes y computadoras. Fundamentalmente, el sistema combina las ventajas de la característica de comportamiento y el reconocimiento de características de contenido para mejorar la precisión.
Fuente de la historia :
Materiales proporcionados por Editores de Inderscience . Nota: El contenido puede ser editado por estilo y longitud.
Referencia del diario :
Cite esta página :