Avaliações falsas são uma verdadeira ameaça para os compradores online. Se você já comprou algo on-line com base em avaliações elogiosas e recebeu um produto decepcionantemente abaixo da média, você sabe o que quero dizer. Um novo estudo publicado no International Journal of Information and Communication Technology propõe um sistema alimentado por IA que pode não apenas detectar avaliações falsas, mas também rastrear como elas se espalham.
Por que as ferramentas existentes continuam falhando
A maioria dos sistemas existentes de detecção de avaliações falsas concentra-se no texto de uma avaliação. Essa abordagem funcionou por um tempo, mas os falsos revisores ficaram mais espertos. Eles agora combinam textos cuidadosamente escritos com imagens enganosas para fazer com que suas avaliações pareçam autênticas. As ferramentas somente de texto lutam para detectar isso, e isso é um problema real tanto para compradores quanto para vendedores honestos.
Os pesquisadores resolveram isso construindo um sistema que analisa vários sinais ao mesmo tempo. Ele analisa o texto da revisão usando dois métodos diferentes, uma rede neural convolucional de texto e modelos de linguagem pré-treinados, para capturar o significado superficial e o significado mais profundo das palavras. Também influencia o comportamento do revisor, uma vez que contas falsas tendem a ter imagens de perfil padrão e nomes de usuário gerados pelo sistema, ao contrário dos usuários reais que tendem a personalizar suas contas.
A IA também pode capturar uma imagem falsa?
A resposta curta é sim. As imagens de revisão são analisadas separadamente usando uma rede residual, um tipo de ferramenta de aprendizado profundo comumente usada para processamento visual. Depois que todos esses sinais são coletados, o sistema os funde para tomar uma decisão final sobre se uma avaliação é genuína.
Quando uma avaliação é sinalizada como falsa, um modelo Transformer entra em ação para mapear sua origem e rastrear até que ponto ela se espalhou pela rede.
Testes em um grande conjunto de dados da JD.com mostraram que o sistema alcançou uma precisão de reconhecimento de 94,2% e uma precisão de rastreamento de 93,5%, superando todos os métodos existentes com os quais foi comparado. Esse tipo de precisão pode eventualmente significar menos avaliações enganosas e avaliações mais confiáveis para fazer compras.
