抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
オンラインレビューシステムは,ユーザが製品に関するレビューを提出することを可能にする。しかし,クラウドソーシングタスクのためのインターネットと金銭的報酬の開放性は,アプリのランクを干渉するために,偽のレビューと広告を書くために,多数の不正なユーザを刺激する。スパムレビューを検出するための既存の方法は成功しているが,それらは通常e-コマース(例えばアマゾン,eBay)および推薦(例えばYelp,Dianping)システムを目指している。不正利用者の行動は複雑性であり,異なるレビュープラットフォームで変化するので,既存の方法はオンラインアプリレビューシステムにおける fraudster検出に適していない。この疑問に光を当てるために,異なるレビュープラットフォームからの不正ユーザの意図を分析し,コンテンツ(類似性,特殊シンボル)と行動(タイムスタンプ,デバイス,ログイン状態)の特性を利用してそれらを分類した。スパミング活動の包括的な解析と正常と悪意のあるユーザの間の関係によって,著者らはFdGarsを設計して,オンラインアプリレビューシステムにおける fraudster検出のための最初のグラフ畳込みネットワークアプローチである。次に,著者らは,実際の大規模データセット(82,542ノード,および42,433,134エッジ)のFdGarsを,Tencent App Storeから評価する。結果は,FdGarsのF1スコアが0.938+を達成することができ,それはいくつかのベースラインと最先端の fraudster検出方法より優れていることを証明した。さらに,著者らは,その有効性とスケーラビリティを示すために,FdGarsをTencent Beacon anti-Fraudプラットフォームに配置した。著者らの知る限り,これは大規模オンラインアプリレビューシステムにおける fraudster検出に対するグラフ畳込みネットワークを使用する最初の研究である。FdGarsは,抗スパムタスクにおけるラベルのデータが不足している場合でも,悪意のある説明を開示できると言及する価値がある。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】