現状スパム同定法を特徴選択に焦点を当て,データセットの不均衡に対処するである。本論文では,ランダムフォレストに基づく製品レビュースパム同定法を提示し,置換繰り返しを伴う大・小クラスから抽出した試料の同数の,あるいは大および小クラスに指定される同じ量であった。アマゾンデータセット上での実験結果により,ランダムフォレスト法は他のベースライン法より優れていることを示した。Data from the ScienceChina, LCAS. Translated by JST【Powered by NICT】