بررسي تأثير استفاده از روش‌هاي يادگيري ماشين تجمعي در شناسايي نظر‌‌هاي هرز بر اساس ويژگي‌هاي رفتاري

يكي از تأثيرگذارترين ارتباط‌ها در اينترنت، نظر‌‌هايي است كه توسط افراد مصرف‌كننده يك محصول به‌عنوان تجربه استفاده، در اختيار افراد خواهان خريد محصول قرار مي‌گيرد. استفاده سودجويان از اين فرصت انتقال تجربه، به‌منظور ارتقا يا تنزل ارزش يك خدمت يا محصول خاص به‌ناحق، باعث قرارگيري نظر‌‌هاي آن‌ها در دسته نظر‌‌هاي هرز مي‌شود. ازاين‌رو شناسايي اين نظرها با استفاده از روش‌هاي يادگيري ماشين و يادگيرنده‌هاي تجمعي به مبحثي داغ در ميان محققان تبديل شده است. هدف اين مطالعه بررسي تأثير استفاده از روش‌هاي يادگيري ماشين تجمعي در شناسايي اينگونه نظرها با استفاده از ويژگي‌هاي رفتاري است. بررسي‌هاي اخير نشان داده است كه روش‌هاي تجمعي مورد استفاده در اين مطالعه در ادغام با ويژگي‌هاي متني علاوه بر تحميل بار محاسباتي بيشتر قادر به ارتقاي عملكرد بهترين الگوريتم‌‌هاي پايه نيستند. در اين مطالعه علاوه‌بر شناسايي بهترين يادگيرنده‌هاي پايه و تجمعي در استفاده از ويژگي‌هاي رفتاري به‌دنبال آن هستيم كه آيا مي‌توان با استفاده از اين ويژگي‌ها و يادگيرنده‌هاي تجمعي به دقتي بيشتر و يا تغيير محسوسي در عملكرد مدل دست يابيم. بدين منظور از هفت يادگيرنده پايه و چهار يادگيرنده تجمعي دسته‌بندي، تقويت‌سازي، جنگل تصادفي و درخت اضافي استفاده شد و نتايج حاصل با نتايج استفاده از ويژگي‌هاي متني مورد مقايسه قرار گرفت. ارزيابي‌ها نشان‌دهنده عملكرد بهتر يادگيرنده پايه درخت تصميم به‌همراه روش تجمعي تقويت‌سازي در حالت استفاده از مجموعه‌داده نامتوازن و روش تجمعي دسته‌بندي در استفاده از مجموعه‌داده متوازن و هم‌چنين تغيير محسوس‌تر عملكرد بهترين الگوريتم‌ پايه، توسط يادگيرنده‌هاي تجمعي، در استفاده از ويژگي‌هاي رفتاري نسبت به متني است.