مروري بر روش‌هاي تشخيص نظرات هرز با استفاده از رويكرد يادگيري عميق

A Survey on Review Spam Detection Methods using Deep Learning Approach

نظرات هرز به نظراتي گفته مي‌شود كه با هدف تبليغ و يا تخريب يك محصول يا برند در وب‌سايت‌ها و ساير خدمات اينترنتي توسط برخي كاربران نوشته مي‌شود. از آنجا كه تشخيص اين نوع نظرات توسط انسان به‌راحتي ممكن نيست، لازم است مدلي ارائه شود كه با استفاده از آن، اين نوع نظرات تشخيص داده شوند. در سال هاي اخير پژوهش‌هاي زيادي براي شناسايي اين نوع نظرات انجام شده است و با گسترش شبكه‌هاي عصبي عميق و مشاهده‌ي كارآيي اين شبكه‌ها در مسائل گوناگون، در مسئله‌ي تشخيص نظرات هرز نيز در سال‌هاي اخير از انواع شبكه‌هاي عميق استفاده شده است. در اين مقاله مروري بر روش‌هاي ارائه شده بر پايه‌ي يادگيري عميق براي مسئله‌ي تشخيص نظرات هرز انجام مي‌شود. همچنين چالش‌هاي موجود در اين حوزه، معيارهاي ارزيابي و مجموعه داده‌هاي اين حوزه نيز بررسي مي‌گردد.

Review spam is an opinion written to promote or demote a product or brand on websites and other internet services by some users. Since it is not easy for humans to recognize these types of opinions, a model needs to be provided to detect these types of opinions. In recent years, a lot of research has been done to detect these types of reviews, and with the expansion of deep neural networks and the efficiency of these networks in various issues, in recent years, various types of deep neural networks have been used to identify spam reviews. This paper reviews the proposed deep learning methods for the problem of review spam detection. Challenges in this area, evaluation criteria, and datasets in this area are also reviewed.