虚假评价检测（Spam Detection）最新工作综述

阅读更多，欢迎关注公众号：论文收割机（paper_reader）
原文链接：虚假评价检测研究最新工作综述

本公众号在之前的推送中陆续介绍了一些在虚假评价检测研究中的最新工作，主要集中在新问题（冷启动，众包），新模型（relation embedding， node embedding）和算法优化（Fast Belief Propagation）。结合之前的研究工作，我将这三篇文章写成综述，在分析的同时也提出了一些未来的研究方向。

 

三篇文章分别为

[利用有向图模型检测社交网络上的欺诈账户] 

Wang, Binghui, Neil Zhenqiang Gong, and Hao Fu. "GANG: Detecting fraudulent users in online social networks via guilt-by-association on directed graphs." ICDM 2017

[用深度学习解决虚假评价检测中的冷启动问题] 

Wang, Xuepeng, Kang Liu, and Jun Zhao. "Handling cold-start problem in review spam detection by jointly embedding texts and behaviors." ACL 2017.

[一种基于邻居信息的水军发现算法] 

Kaghazgaran, Parisa, James Caverlee, and Anna Squicciarini. "Combating crowdsourced review manipulators: A neighborhood-based approach." WSDM 2018.

 

我的综述

《A Review of Recent Advance in Online Spam Detection》

文章链接  PPT链接