计算机应用

作者：颜梦香, 姬东鸿, 任亚峰

单位：1. 武汉大学 国家网络安全学院, 武汉 430072;2. 广东外语外贸大学 外语研究与语言服务协同创新中心, 广州 510420

关键词：注意力机制,虚假评论,离散特性,神经网络,长短期记忆网络

基金：国家自然科学基金资助项目（61702121，61772378）。

针对虚假评论识别任务中传统离散模型难以捕捉到整个评论文本的全局语义信息的问题，提出了一种基于层次注意力机制的神经网络模型。首先，采用不同的神经网络模型对评论文本的篇章结构进行建模，探讨哪种神经网络模型能够获得最好的篇章表示；然后，基于用户视图和产品视图的两种注意力机制对评论文本进行建模，用户视图关注评论文本中用户的偏好，而产品视图关注评论文本中产品的特征；最后，将两个视图学习的评论表示拼接以作为预测虚假评论的最终表示。以准确率作为评估指标，在Yelp数据集上进行了实验。实验结果表明，所提出的层次注意力机制的神经网络模型表现最好，其准确率超出了传统离散模型和现有的神经网络基准模型1至4个百分点。

来源：2019年第7期

《计算机应用》期刊编辑部

查看计算机应用杂志2019年第7期