虛假評價檢測（Spam Detection）最新工作綜述

閱讀更多，歡迎關注公衆號：論文收割機（paper_reader）
原文鏈接：虛假評價檢測研究最新工作綜述

本公衆號在之前的推送中陸續介紹了一些在虛假評價檢測研究中的最新工作，主要集中在新問題（冷啓動，衆包），新模型（relation embedding， node embedding）和算法優化（Fast Belief Propagation）。結合之前的研究工作，我將這三篇文章寫成綜述，在分析的同時也提出了一些未來的研究方向。

 

三篇文章分別爲

[利用有向圖模型檢測社交網絡上的欺詐賬戶] 

Wang, Binghui, Neil Zhenqiang Gong, and Hao Fu. "GANG: Detecting fraudulent users in online social networks via guilt-by-association on directed graphs." ICDM 2017

[用深度學習解決虛假評價檢測中的冷啓動問題] 

Wang, Xuepeng, Kang Liu, and Jun Zhao. "Handling cold-start problem in review spam detection by jointly embedding texts and behaviors." ACL 2017.

[一種基於鄰居信息的水軍發現算法] 

Kaghazgaran, Parisa, James Caverlee, and Anna Squicciarini. "Combating crowdsourced review manipulators: A neighborhood-based approach." WSDM 2018.

 

我的綜述

《A Review of Recent Advance in Online Spam Detection》

文章鏈接  PPT鏈接