文献

J-GLOBAL ID：201702212117404991   整理番号：17A0213946

スパムレビュー検出のためのアンサンブル技法の研究【Powered by NICT】

An Investigation of Ensemble Techniques for Detection of Spam Reviews

著者 (4件)： Heredia Brian ,  Khoshgoftaar Taghi M. ,  Prusa Joseph ,  Crawford Michael
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： ICMLA  ページ： 127-133  発行年： 2016年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 生成物を購入または新医師のための探索か,消費者はしばしば推奨のためのオンラインレビューに移ることが分かった。レビューした真実かどうか決定は,消費者が必須である,偽りのレコメンデーションにミスリード得なかった。不幸にして,しばしば困難である,または,テキストを読むによるレビューの妥当性を確認するためにヒトの,しかし,untruthfulレビューを検出するための良く機能機械学習法を示した不可能。先の研究により,untruthfulレビューの検出に対するアンサンブル学習者の影響を検討されてこなかった,これらの技術は関連テキスト分類領域における効果的であるにもかかわらず。スパムレビューの検出に対するアンサンブル技術の影響の他の研究者に情報を提供しようとしている。この目的のために,四つの分類器と基本的学習装置として四分類器を用いた三アンサンブル技法を評価した。は基本的学習装置を用いた多項ナイーブBayes,C4.5,ロジスティック回帰,サポートベクトルマシン,ランダムフォレスト,100年,250年,および500の木,ブースティングとバッギングの結果を比較した。試験したアンサンブル技術は,いずれも標準多項Naive Bayes上レビュースパム検出を顕著に改善することができなかったことを見出し,価値に与える計算費用である。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 機械学習 ,  *学習 ,  消費者 ,  サポートベクトルマシン ,  ヒト ,  医師
準シソーラス用語： スパム検出 ,  Naive Bayes ,  ブースティング ,  ランダムフォレスト ,  ロジスティック回帰分析 ,  テキスト分類 ,  アンサンブル学習 ,  テキスト , 【Automatic Indexing@JST】

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： アンサンブル ,  技法 ,  研究