مروری بر روش‌های تشخیص نظرات هرز با استفاده از رویکرد یادگیری عمیق

نظرات هرز به نظراتی گفته می‌شود که با هدف تبلیغ و یا تخریب یک محصول یا برند در وب‌سایت‌ها و سایر خدمات اینترنتی توسط برخی کاربران نوشته می‌شود. از آنجا که تشخیص این نوع نظرات توسط انسان به‌راحتی ممکن نیست، لازم است مدلی ارائه شود که با استفاده از آن، این نوع نظرات تشخیص داده شوند. در سال های اخیر پژوهش‌های زیادی برای شناسایی این نوع نظرات انجام شده است و با گسترش شبکه‌های عصبی عمیق و مشاهده‌ی کارآیی این شبکه‌ها در مسائل گوناگون، در مسئله‌ی تشخیص نظرات هرز نیز در سال‌های اخیر از انواع شبکه‌های عمیق استفاده شده است. در این مقاله مروری بر روش‌های ارائه شده بر پایه‌ی یادگیری عمیق برای مسئله‌ی تشخیص نظرات هرز انجام می‌شود. همچنین چالش‌های موجود در این حوزه، معیارهای ارزیابی و مجموعه داده‌های این حوزه نیز بررسی می‌گردد.

A Survey on Review Spam Detection Methods using Deep Learning Approach

Review spam is an opinion written to promote or demote a product or brand on websites and other internet services by some users. Since it is not easy for humans to recognize these types of opinions, a model needs to be provided to detect these types of opinions. In recent years, a lot of research has been done to detect these types of reviews, and with the expansion of deep neural networks and the efficiency of these networks in various issues, in recent years, various types of deep neural networks have been used to identify spam reviews. This paper reviews the proposed deep learning methods for the problem of review spam detection. Challenges in this area, evaluation criteria, and datasets in this area are also reviewed.