使用可解释的深度学习模型检测摩洛哥电子商务平台中的欺诈行为——以阿拉伯语虚假评论分类为例

《ACM Transactions on Asian and Low-Resource Language Information Processing》：Detecting Fraud in Moroccan E-Commerce Platforms Using an Explainable Deep Learning Model for Arabic Fake Reviews Classification

针对摩洛哥电商平台虚假评论问题，本研究构建了包含摩洛哥阿拉伯方言300条虚假和300条真实评论的MDAFR数据集，并对比分析了LSTM、1D CNN、GRU与BERT基模型在虚假评论检测中的性能。通过LIME和SHAP可解释性方法验证模型，提出具有高精度（86.5%）和可解释性的GRU模型。研究发现，特定阿拉伯语关键词能有效提升虚假评论识别准确率，为消费者识别虚假信息提供辅助工具。

　　

摘要人工智能摘要

要查看此由人工智能生成的摘要，您必须具有高级访问权限。

了解更多登录

摘要

摘要

虚假评论是电子商务中的一个重大挑战，会影响消费者的信任和决策。本研究旨在通过引入摩洛哥方言阿拉伯语虚假评论（MDAFR）数据集来帮助消费者防范摩洛哥电子商务平台上的虚假评论。该数据集包含300条虚假评论和300条真实评论，主要使用摩洛哥方言阿拉伯语编写。此外，本研究比较了三种深度学习模型（LSTM、1D CNN和GRU）与两种基于BERT的模型（MARBERTv2、DarijaBERT和ArabicBERT）的性能。此外，本研究使用可解释方法LIME和SHAP评估了所提出模型的决策能力。利用该数据集，本研究开发了一个可解释的GRU模型，能够在摩洛哥电子商务平台上以86.5%的平均准确率和86.58%的平均F1分数检测虚假评论。结果表明，某些关键词会增加将评论分类为虚假评论的概率。通过分析我们模型的预测结果，本研究确定了虚假评论中最常用的词汇。这些关键词将帮助消费者更好地识别虚假评论，从而提高他们的意识并增强他们识别误导性信息的能力。本研究强调了需要一个能够捕捉阿拉伯语国家各方言独特特征和文化细微差别的虚假评论检测模型。

人工智能摘要

人工智能生成的摘要（实验性）

此摘要是使用自动化工具生成的，并非由文章作者撰写或审核。它旨在帮助读者发现内容的相关性，并协助来自相关研究领域的读者理解本文。它旨在补充作者提供的摘要，后者仍是论文的官方摘要。完整文章才是权威版本。点击此处了解更多。

点击此处对摘要的准确性、清晰度和实用性进行评论。您的反馈将有助于改进未来的版本。

要查看此由人工智能生成的通俗语言摘要，您必须具有高级访问权限。