AI系统以93%准确率识别亚马逊虚假评论，Yelp达91%
东伦敦大学研究人员开发的新型AI检测系统结合语言分析和行为线索，在亚马逊和Yelp上分别达到93%和91%的准确率，有效识别虚假评论。
网上购物者未来可能面临更少的误导性虚假评论，这得益于东伦敦大学研究人员最新测试的人工智能检测系统。虚假评论对消费者和在线企业来说是一个日益严重的问题，尤其是随着人工智能生成内容的增长。据皇家码头商业与法学院的研究人员称，误导性评论会扭曲竞争，损害对在线市场的信任，并促使人们购买低质量甚至不安全的产品。
新系统将人工智能语言分析与行为线索相结合，例如评论的情感基调是否与其星级评分相匹配、评论的长度以及其他与可疑活动相关的模式。研究人员表示，这为模型提供了更全面的判断评论是否真实或具有欺骗性的依据。
这项新研究发表在《金融科技与可持续创新》期刊上，描述了一种旨在识别亚马逊和Yelp等平台上欺诈性评论的新型“混合融合”模型。与主要依赖关键词或简单模式的旧系统不同，新方法旨在理解书面评论背后的含义和上下文。这有助于检测那些可能对购物者来说看起来真实的、更具说服力的虚假评论。
在测试中，该模型在亚马逊评论数据上达到了93%的准确率，在Yelp评论上达到了91%的准确率，优于研究中检查的几种传统检测方法。合著者Hisham AbouGrad博士表示：“虚假评论正变得越来越复杂，越来越难以检测。我们的研究结果表明，将人工智能语言理解与行为信号相结合，可以提供一种更可靠的方法来识别误导性评论，并有助于加强在线市场的信任。”
合著者Fiza Riaz表示：“这项研究表明，人工智能系统可以超越简单地识别可疑词汇。通过同时考虑上下文和行为，该模型可以更好地识别与欺骗性评论相关的模式，同时仍然支持真实的客户反馈。”
该论文称，下一阶段的研究将侧重于使用更大、更多样化的数据集来改进系统，探索更新的人工智能模型，并研究该技术最终如何在大规模电子商务平台上实时运行。研究团队还计划进一步优化模型，以适应不同平台和语言环境。更多信息可参见Hisham AbouGrad等人在《金融科技与可持续创新》上发表的论文，DOI: 10.47852/bonviewfsi62028859。