Çevrim içi ortamlarda yapılan sahte kullanıcı yorumlarının tespitinde derin öğrenme kullanımı
Yükleniyor...
Dosyalar
Tarih
2019
Yazarlar
Dergi Başlığı
Dergi ISSN
Cilt Başlığı
Yayıncı
Trakya Üniversitesi, Fen Bilimleri Enstitüsü
Erişim Hakkı
info:eu-repo/semantics/openAccess
Özet
İnternet teknolojilerinin günlük hayatımızın her alanında aktif bir şekilde yer alması internet kullanıcılarının ürün ya da hizmet satın alımı davranışlarında etkili olmaktadır. Kullanıcılar e-ticaret sitelerinde birçok alternatifi bulunan ve ihtiyaçlarına en uygun şekilde cevap verebilecek olan ürün ya da hizmet satın alımı konusunda zorlanmaktadırlar. Bu nedenle kullanıcılar satın almak istedikleri ürün hakkında daha önceki deneyimlerini çevrim içi ortamda paylaşan kullanıcıların yorumlarından sıklıkla faydalanmaktadırlar. Bu yorumlar kullanıcıların satın alma davranışlarında etkili olmaları, kar veya tanıtım amacı ile kullanıcıları yanıltmaya yönelik sahte ürün yorumların artmasına sebep olmuştur. İnternet kullanıcılarını bu tip yorumların etkisinden kurtarmak ve kullanıcılara daha sağlıklı bilgi sunabilmek için sahte yorumların tespiti son zamanlarda akademik çevrelerde ilgi uyandırmaktadır. Bu tez çalışmasında derin öğrenme modellerinden yararlanılarak sahte kullanıcı yorumlarının tespitinde bu modellerin etkinliği test edilmiştir. Sahte kullanıcı yorumlarının tespitinde daha önce yapılan çalışmalar incelenerek Ott ve arkadaşlarının “Gold Standart” olarak tanımlanan 20 Chicago oteli hakkındaki doğru ve aldatıcı yorumları toplayarak oluşturdukları veri seti kullanılmıştır. Çalışmada veri seti üzerinde metin sınıflandırma yöntemlerinden yararlanarak oluşturduğumuz eğitim kümesi ile LSTM, BiLSTM ve CNN+LSTM modelleri kullanarak sahte kullanıcı yorumlarının tespitinde yüksek başarım elde etmeyi amaçlamaktayız.
The fact that internet technologies play an active role in every aspect of our daily lives is effective on the behaviors of internet users to purchase products or services. Users have difficulty in purchasing products or services that have many alternatives on their e-commerce sites which can respond to their needs in the most appropriate way. Therefore, users often benefit from the comments of users who have shared their previous experiences about the product they want to buy online. These comments have led to an increase in fake product reviews to mislead users for profit or promotional purposes, as well as being effective in users' buying behavior. The detection of fake comments has recently aroused interest from the academic community in order to free internet users from the impact of such comments and to provide users with more accurate information. In this thesis, the effectiveness of these models in the detection of fake user comments has been tested by using deep learning models. In the detection of fake user reviews, the previous studies were examined and the data set of Ott and colleagues gathering the correct and deceptive comments about 20 Chicago hotels defined as “Gold Standard” was used. In this study, we aim to achieve high performance in detecting fake user comments by using LSTM, BiLSTM and CNN + LSTM models with the training set we created using text classification methods on the data set.
The fact that internet technologies play an active role in every aspect of our daily lives is effective on the behaviors of internet users to purchase products or services. Users have difficulty in purchasing products or services that have many alternatives on their e-commerce sites which can respond to their needs in the most appropriate way. Therefore, users often benefit from the comments of users who have shared their previous experiences about the product they want to buy online. These comments have led to an increase in fake product reviews to mislead users for profit or promotional purposes, as well as being effective in users' buying behavior. The detection of fake comments has recently aroused interest from the academic community in order to free internet users from the impact of such comments and to provide users with more accurate information. In this thesis, the effectiveness of these models in the detection of fake user comments has been tested by using deep learning models. In the detection of fake user reviews, the previous studies were examined and the data set of Ott and colleagues gathering the correct and deceptive comments about 20 Chicago hotels defined as “Gold Standard” was used. In this study, we aim to achieve high performance in detecting fake user comments by using LSTM, BiLSTM and CNN + LSTM models with the training set we created using text classification methods on the data set.
Açıklama
Anahtar Kelimeler
Aldatıcı yorum tespiti, Makine öğrenmesi, Derin öğrenme, LSTM, Deceptive interpretation detection, Machine learning, Deep learning, LSTM
