基于留评人行为识别虚假商品评论的方法及系统与流程

[0001]
本发明涉及电商平台评论治理技术领域，尤其涉及一种基于留评人行为识别虚假商品评论的方法及系统。


背景技术：

[0002]
在网上购物之前，消费者会先浏览商品的描述和功能。不会立即购买它，因为他依然不确定这些描述是否正确。所以会寻找其他购买过此商品的人的评论。这些评论可能会说服他最终购买该商品，也可能因为评论中看到商品的缺点而放弃购买。因此评论的内容对商品的成交转换率有着至关重要的影响。
[0003]
因此电子商务卖家会想方设法提高自己的产品的正面评论，减少负面评论。电商平台作为交易中间撮合方，则要尽可能减少各种商品的虚假评论。


技术实现要素：

[0004]
本发明实施例所要解决的技术问题在于，提供一种基于留评人行为识别虚假商品评论的方法及系统，以减少各种商品的虚假评论。
[0005]
为了解决上述技术问题，本发明实施例提出了一种基于留评人行为识别虚假商品评论的方法，包括：步骤1：将卖家店铺新产生的商品评论的留评人与职业留评人数据库中的职业留评人名单进行匹配，若匹配成功，则进入步骤3；若匹配失败，则进入步骤2；步骤2：计算留评人特征值，并通过职业留评人行为特征模型判定该评论为正常评论还是职业留评人评论，若为职业留评人评论，则将该留评人添加到职业留评人名单；若为正常评论，则将该商品评论标记为正常评论；步骤3：根据预设的评论策略判断是否删除该评论，若是，则进入步骤4；步骤4：根据预设的卖家店铺异常行为策略判断该卖家店铺行为是否异常，若是，则向卖家发出整改通知或关停该店铺。
[0006]
进一步地，步骤1之前还包括：数据库构建步骤：采集职业留评人信息，提取职业留评人的行为特征的样本，构建职业留评人数据库；模型构建步骤：构建职业留评人行为特征模型，并采用预设机器学习算法通过职业留评人数据库中的样本训练职业留评人行为特征模型。
[0007]
进一步地，预设的卖家店铺异常行为策略包括店铺所有商品的评论为职业留评人留下与正常买家留下的比率、卖家店铺商品历史被删除过的评论与保留的比率、卖家订单数与评论数比率中的一种或多种。
[0008]
进一步地，步骤2之后还包括：训练步骤：根据所判定的职业留评人评论训练职业留评人行为特征模型。
[0009]
相应地，本发明实施例还提供了一种基于留评人行为识别虚假商品评论的系统，
包括：名单匹配模块：将卖家店铺新产生的商品评论的留评人与职业留评人数据库中的职业留评人名单进行匹配；提取整理模块：若名单匹配模块匹配失败，则将留评人留评特征提取、结构化，计算留评人特征值；匹配模块：根据留评人特征值通过职业留评人行为特征模型判定该评论为正常评论还是职业留评人评论；行为判定模块：根据预设的评论策略判断是否删除该评论，若是，则根据预设的卖家店铺异常行为策略库判断该卖家店铺行为是否异常，若异常，则向卖家发出整改通知或关停该店铺。
[0010]
进一步地，还包括包含职业留评人信息和行为特征样本的职业留评人数据库。
[0011]
进一步地，还包括采用预设机器学习算法通过职业留评人数据库中的样本训练职业留评人行为特征模型。
[0012]
进一步地，还包括根据匹配模块所判定的职业留评人评论训练职业留评人行为特征模型的特征训练模块。
[0013]
进一步地，还包括卖家异常行为策略库，卖家异常行为策略库包括店铺所有商品的评论为职业留评人留下与正常买家留下的比率、卖家店铺商品历史被删除过的评论与保留的比率、卖家订单数与评论数比率中的一种或多种。
[0014]
进一步地，还包括根据卖家店铺行为管理卖家绩效的管理模块。
[0015]
本发明的有益效果为：本发明可根据平台政策需要删除其留下的虚假评论，还可以根据电商卖家的商品与职业留评人合作情况判定其是否违反平台规则，同时发出违规整改通知，甚至严重时可以关闭其线上店铺，达到治理平台商品评论的目的。
附图说明
[0016]
图1是本发明实施例的基于留评人行为识别虚假商品评论的方法的流程图。
[0017]
图2是本发明实施例的基于留评人行为识别虚假商品评论的系统的结构图。
具体实施方式
[0018]
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互结合，下面结合附图和具体实施例对本发明作进一步详细说明。
[0019]
本发明实施例中若有方向性指示（诸如上、下、左、右、前、后
……
）仅用于解释在某一特定姿态（如附图所示）下各部件之间的相对位置关系、运动情况等，如果该特定姿态发生改变时，则该方向性指示也相应地随之改变。
[0020]
另外，在本发明中若涉及“第一”、“第二”等的描述仅用于描述目的，而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。
[0021]
请参照图1，本发明实施例的基于留评人行为识别虚假商品评论的方法包括步骤1~步骤4。
[0022]
步骤1：将卖家店铺新产生的商品评论的留评人与职业留评人数据库中的职业留
评人名单进行匹配，若匹配成功，则进入步骤3；若匹配失败，则进入步骤2。本发明实施例中卖家店铺新产生的商品评论包括完成订单后留下的评论以及直接对某个商品留下的评论，即对某个商品的评论不是必须需要首先产生订单，可以直接对某个商品留下评论，但是会标注为“未真实购买的评论”。本发明能够有效减少各种商品的虚假评论。
[0023]
步骤2：计算留评人特征值，并通过职业留评人行为特征模型判定该评论为正常评论还是职业留评人评论，若为职业留评人评论，则将该留评人添加到职业留评人名单；若为正常评论，则将该商品评论标记为正常评论。
[0024]
步骤3：根据预设的评论策略判断是否删除该评论，若是，则进入步骤4。
[0025]
步骤4：根据预设的卖家店铺异常行为策略判断该卖家店铺行为是否异常，若是，则向卖家发出整改通知或关停该店铺。
[0026]
作为一种实施方式，步骤1之前还包括：数据库构建步骤：采集职业留评人信息，提取职业留评人的行为特征的样本，构建职业留评人数据库；模型构建步骤：构建职业留评人行为特征模型，并采用预设机器学习算法通过职业留评人数据库中的样本训练职业留评人行为特征模型。
[0027]
作为一种实施方式，预设的卖家店铺异常行为策略包括店铺所有商品的评论为职业留评人留下与正常买家留下的比率、卖家店铺商品历史被删除过的评论与保留的比率、卖家订单数与评论数比率中的一种或多种。
[0028]
作为一种实施方式，步骤2之后还包括：训练步骤：根据所判定的职业留评人评论训练职业留评人行为特征模型。
[0029]
请参照图2，本发明实施例的基于留评人行为识别虚假商品评论的系统包括名单匹配模块、提取整理模块、匹配模块、行为判定模块。
[0030]
名单匹配模块：将卖家店铺新产生的商品评论的留评人与职业留评人数据库中的职业留评人名单进行匹配。名单匹配模块读取职业留评人数据库，如果目标评论的留评人直接命中此数据库，则不需要后续匹配过程。其中，卖家店铺新产生的商品评论包括完成订单后留下的评论以及直接对某个商品留下的评论。
[0031]
提取整理模块：若名单匹配模块匹配失败，则将留评人留评特征提取、结构化，计算留评人特征值。提取整理模块负责把留评人留评特征提取、结构化，留评特征包括不限于：留评频率、总评论数、留评人排名、评论平均点赞数、购买后评论比率、留评人账号注册时长、评论是否附有图片视频、评论字数、留评人年龄段、留评人性别、留评人进入平台的来源地址或网站等等。
[0032]
匹配模块：根据留评人特征值通过职业留评人行为特征模型判定该评论为正常评论还是职业留评人评论。本发明实施例将留评人各种特征输入匹配模块，采用机器学习算法利用事先训练好的职业留评人行为特征模型进行匹配。典型可采用的机器学习算法有xgboost、c4.5决策树、随机深林、神经网络等。算法输出设置为一个0或1离散值直接指示留评人是否是职业留评人；或者0到1之间值，表示为目标评论的留评人是职业留评人的概率，其如果大于一个预设的阀值（例如60%），则认为是职业留评人的评论。
[0033]
行为判定模块：根据预设的评论策略判断是否删除该评论，若是，则根据预设的卖家店铺异常行为策略库判断该卖家店铺行为是否异常，若异常，则向卖家发出整改通知或
关停该店铺。
[0034]
当判定为职业留评人评论时，进入行为判定模块进一步处理。此模块依赖一个预配置的卖家异常行为策略库中的策略进行判断，得出结论：1、是否对这个评论进行删除操作；2、此卖家店铺中的商品评论是否为操纵的；此属于违规行为。
[0035]
3、违规行为严重程度如何，对卖家的店铺采取何种操作。
[0036]
4、典型策略样例有：店铺所有商品的评论为职业留评人留下与正常买家留下的比率、卖家店铺商品历史被删除过的评论与保留的比率、卖家订单数与评论数比率等等。
[0037]
作为一种实施方式，基于留评人行为识别虚假商品评论的系统还包括包含职业留评人信息和行为特征样本的职业留评人数据库。本发明实施例在运行过程中持续收集完善的职业留评人数据库，当某位买家被判定为职业留评人时将被加入此数据库。从其他外部渠道或卖家举报方式获取的职业留评人经过平台核实后也会被加入此数据库。
[0038]
作为一种实施方式，基于留评人行为识别虚假商品评论的系统还包括采用预设机器学习算法通过职业留评人数据库中的样本训练职业留评人行为特征模型。本发明实施例的职业留评人行为特征模型需要事先采用对应的机器学习算法对大量样本进行训练，样本数量越大职业留评人行为特征准确率越高，一般需要十万以上数量级。样本获取的方法有：发现日常异常留评行为的买家；卖家举报异常留评人；外部职业留评人活跃的社交网站群组、公众号、论坛等等。
[0039]
作为一种实施方式，基于留评人行为识别虚假商品评论的系统还包括根据匹配模块所判定的职业留评人评论训练职业留评人行为特征模型的特征训练模块。
[0040]
作为一种实施方式，基于留评人行为识别虚假商品评论的系统还包括卖家异常行为策略库，卖家异常行为策略库包括店铺所有商品的评论为职业留评人留下与正常买家留下的比率、卖家店铺商品历史被删除过的评论与保留的比率、卖家订单数与评论数比率中的一种或多种。
[0041]
作为一种实施方式，基于留评人行为识别虚假商品评论的系统还包括根据卖家店铺行为管理卖家绩效的管理模块。管理模块对卖家进行各种处理，例如发送警告信通知卖家停止操纵评论的行为，情节严重的甚至直接关停卖家在平台的店铺。
[0042]
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同范围限定。