AI系統以93%準確率識別亞馬遜虛假評論，Yelp達91%
東倫敦大學研究人員開發的新型AI檢測系統結合語言分析和行為線索，在亞馬遜和Yelp上分別達到93%和91%的準確率，有效識別虛假評論。
網上購物者未來可能面臨更少的誤導性虛假評論，這得益於東倫敦大學研究人員最新測試的人工智能檢測系統。虛假評論對消費者和在線企業來説是一個日益嚴重的問題，尤其是隨着人工智能生成內容的增長。據皇家碼頭商業與法學院的研究人員稱，誤導性評論會扭曲競爭，損害對在線市場的信任，並促使人們購買低質量甚至不安全的產品。
新系統將人工智能語言分析與行為線索相結合，例如評論的情感基調是否與其星級評分相匹配、評論的長度以及其他與可疑活動相關的模式。研究人員表示，這為模型提供了更全面的判斷評論是否真實或具有欺騙性的依據。
這項新研究發表在《金融科技與可持續創新》期刊上，描述了一種旨在識別亞馬遜和Yelp等平台上欺詐性評論的新型“混合融合”模型。與主要依賴關鍵詞或簡單模式的舊系統不同，新方法旨在理解書面評論背後的含義和上下文。這有助於檢測那些可能對購物者來説看起來真實的、更具説服力的虛假評論。
在測試中，該模型在亞馬遜評論數據上達到了93%的準確率，在Yelp評論上達到了91%的準確率，優於研究中檢查的幾種傳統檢測方法。合著者Hisham AbouGrad博士表示：“虛假評論正變得越來越複雜，越來越難以檢測。我們的研究結果表明，將人工智能語言理解與行為信號相結合，可以提供一種更可靠的方法來識別誤導性評論，並有助於加強在線市場的信任。”
合著者Fiza Riaz表示：“這項研究表明，人工智能系統可以超越簡單地識別可疑詞彙。通過同時考慮上下文和行為，該模型可以更好地識別與欺騙性評論相關的模式，同時仍然支持真實的客户反饋。”
該論文稱，下一階段的研究將側重於使用更大、更多樣化的數據集來改進系統，探索更新的人工智能模型，並研究該技術最終如何在大規模電子商務平台上實時運行。研究團隊還計劃進一步優化模型，以適應不同平台和語言環境。更多信息可參見Hisham AbouGrad等人在《金融科技與可持續創新》上發表的論文，DOI: 10.47852/bonviewfsi62028859。