Multi-Embedding-based Deep Learning Framework for Fake Review Detection in E-commerce Platforms
Year: 2025
Type: article
Abstract: 전자상거래 플랫폼에서 소비자 생성 콘텐츠가 급증함에 따라 온라인 리뷰의 진위성을 검증하기 위한 신뢰성 있는 메커니즘의 필요성이 점차 증가하고 있다. 기존의 가짜 리뷰 탐지 연구는 주로 단일 임베딩 구조에 기반한 접근법을 활용해 왔으나, 이러한 방식은 가짜 리뷰에 내재된 복잡한 언어적 패턴을 충분히 포착하는 데 한계가 있다. 본 연구에서는 특성 추출 및 분류 성능 향상을 목표로 BERT와 RoBERTa에서 생성된 다양한 의미 표현을 통합하는 다중 임베딩 기반 가짜 리뷰 탐지 프레임워크인 MEFRD를 제안한다. 제안된 프레임워크는 실제 리뷰와 가짜 리뷰를 모두 포함하는 Yelp.com의 레스토랑 리뷰 데이터를 활용하여 실증적으로 평가하였다. 실험 결과, MEFRD는 기존의 전통적 머신러닝 모델과 딥러닝 기반 모델들에 비해 전반적으로 우수한 성능을 보였다. 또한 융합 전략에 대한 비교 분석을 통해 연결 기반 통합 방식이 가산 및 곱셈 기반 방법보다 의미 정보 보존 측면에서 더 효과적임을 확인하였다. 이러한 결과는 가짜 리뷰 탐지에서 다중 임베딩 구조의 효과성을 검증하며 전자상거래 환경에서 신뢰 가능한 리뷰 검증 시스템 개발을 위한 실질적인 시사점을 제공한다.
Language: English
Topic: Spam and Phishing Detection
Subfield: Information Systems
Field: Computer Science
Domain: Physical Sciences
Open Access status: diamond
OpenAlex ID: W7124762460
FWCI:
Cites:
Cited by:
Related to: