基于时间序列突发特征与LLaMA的虚假评论检测
李东1
邓秋菊2
1.四川晨豹互联网科技有限公司研发部 四川达州 6350002.重庆移通学院公共大数据安全技术重点实验室 重庆 401420
摘要：虚假评论的广泛存在已经严重威胁到电子商务平台和在线点评系统的公信力.传统的虚假评论检测方法多依赖于评论文本特征或用户行为特征,尽管在一定程度上提升了检测效果,但在面对协同刷评、模板化评论和混合策略攻击时仍表现不足.基于此,文章提出了一种融合时间序列特征突发性分析与大语言模型文本抽取的虚假评论检测框架.首先,在评论时间轴上构建多维序列,包括评论数量、平均评分以及单次评论用户比例,并提取一系列时序特征,如窗口突发强度、趋势斜率变点和时滞相关峰值,以捕捉群体性刷评的动态特征;其次,利用大语言模型对评论文本进行结构化抽取,生成情感极性、具体性与可核查性、一致性、风格异常等高层次语义特征,从而弥补传统浅层文本特征的不足;最后,将时序特征与文本特征融合输入监督学习模型进行判别.基于Yelp和Amazon公共数据集的实验表明,所提方法能够在评分异常发生前9天提前识别可疑评论窗口,展现出较高的实用性和可解释性,为应对复杂和动态的虚假评论行为提供了新的解决思路.
关键词：虚假评论时间序列特征大语言模型
资助基金：达州市对外合作项目(18DWHZ0002)綦江区科技计划项目(2025034)重庆移通学院校级应用研究项目(KY2024013)
论文发表日期：2026-01-25
在线出版日期：2026-05-22（本平台首次上网日期，不代表文献的发表时间）
页数：4( 168-171 )