摘要
本发明涉及一种虚假评论检测方法,属于互联网信息安全技术领域,主要解决现有技术中数据采集不完整、特征建模单一、模型更新迟缓及阈值判定僵化的问题。该方法通过分布式爬虫系统实时采集评论文本数据,经预处理模块过滤非语言字符并规范文本长度,提取包含语义、用户行为及时空关联的三维特征集合;采用双层动态分类模型进行训练;基于滑动时间窗口划分训练集与验证集,当新数据与历史特征余弦相似度低于0.7时启动增量学习并调整全连接层参数,通过动态阈值模块实时计算中位数与上四分位数的加权值判定异常评论,生成带哈希校验码的结构化检测报告。该方法适用于在线平台虚假评论的实时监测与风险管控,提升检测效率与准确性。
技术关键词
虚假评论检测方法
文本
分布式爬虫系统
BERT模型
语义特征
动态更新
生成对抗网络
数据
在线增量学习
互联网信息安全技术
滑动时间窗口
记忆单元
区块链存证
奇异值分解重构
卷积模块
字符
校准器
椭圆曲线签名
特征提取模块
系统为您推荐了相关专利信息
商品信息识别方法
文本
合格证
计算机程序指令
商品信息识别装置
层级分类方法
大语言模型
文本
标签体系
可读存储介质
地名字符串
编码向量
语义特征
翻译方法
音节切分方法
音频
声音转换方法
声码器
无监督特征提取
语音特征