Finding Deceptive Opinion Spam by Any Stretch of the Imagination (11 ACL)

论文 Finding Deceptive Opinion Spam by Any Stretch of the Imagination(11 ACL)

文章研究虚假的spam，第一个贡献就是标注了标准的虚假评论和真实评论各400篇，组成了800篇的gold-standard数据。数据的构造过程使用了AMT(Amazon Mechanical Turk)，很严谨，很靠谱！

作者是将spam识别看成一个二元分类问题，分别尝试了3种方法，并尝试了3种方法的融合（这个是第二个贡献）。

第1种方法是通过文本的风格识别(Genre identification)，特征是使用POS的频率；

第2种方法是进行心理学的欺骗检测，使用的LIWC2007工具，这个工具实际是依靠关键词（keywords）的，将4500个关键词映射到80个维度上，作者最终也将这个融合到了SVM中；

第3种方法是基本的文本分类方法，可以尝试Unigram和+Bigram和+Trigram。

最终的实验结果表明，单独使用一种方法，是单纯的文本分类Unigram + Bigram(SVM)最佳；全文最佳的实验效果是使用LIWC + Unigram + Bigram(SVM)效果最佳，Accuracy达到了89.9%。

总体来说感觉作者做实验特别严谨，实验数据的构造不用说，非常牛！在做5-fold实验过程中，训练和测试的数据分别是针对不同的hotel，真的让人特别信服！值得学习~