近日，我校计算机学院伍之昂教授与北京航空航天大学刘冠男副教授、吴俊杰教授，及华盛顿大学谭勇教授合作的《Are Neighbors Alike? A Semi-supervised Probabilistic Collaborative Learning Model for Online Review Spammers Detection（邻居都相似吗？基于半监督概率协同学习的在线评论虚假信息检测模型）》在线发表于《Information Systems Research》。
《Information Systems Research》（ISR）是INFORMS旗下期刊、属UTD24列表期刊，主要关注组织、机构、经济和社会背景下信息系统的理论及研究，是国际管理科学界公认的最高级别期刊之一。
中文摘要：
在线评论平台中，常常有评论者通过故意发布不真实的商品评级和评论，以获取不正当的经济利益，从而损害在线平台的可信环境。尽管已经有大量的方法被提出用来解决虚假评论者检测问题，但仍存在诸如标签稀疏、有偏，且评论者可能存在合谋等挑战。为此，基于普遍存在的虚假评论者的合谋行为与网络同质性理论，我们引入了一个评论者网络来建模评论者之间的共同评论关系，进而提出一个半监督概率协同学习模型，以同时刻画评论者的个体行为特征和评论者网络。
该模型的特点是将伪标签策略融入到标签传播过程中，并与基于特征的学习结合起来，共同用于评论者网络建模。在理论上可以证明该模型可被认为是在一个网络衍生合成数据集上的加权逻辑回归。通过描述网络的重要性、网络同质性的强度，并且刻画未标记数据的价值等丰富参数，使模型变得更加透明。在两个不同的真实数据集上的实验证明了我们模型的有效性和未标记数据的重要性。值得一提的是，经过适当修剪后的评论者网络显示出显著的同质性效应并发挥了至关重要的作用。特别地，本研究所提出的模型对标签的稀疏性和标签分布的有偏性均表现出一定的鲁棒性。