SGAN-SAM-ERNIE یک تشخیص موثر طرحی با رویکرد بررسی جعلی چینی (بررسی مروری)

این مقاله به معرفی یک رویکرد جدید و کارآمد برای تشخیص بررسی های جعلی (Fake Reviews) در زبان چینی با عنوان SGAN-SAM-ERNIE می پردازد. این رویکرد با بهره گیری از مدل های پیشرفته مولد (SGAN) و توجه دقیق به روابط معنایی (SAM) و در نهایت، استفاده از دانش غنی مدل زبانی ERNIE، توانسته است به نتایج قابل توجهی در این حوزه دست یابد. این مدل با بهره گیری از ترکیبی از شبکه های مولد تخاصمی (SGAN) برای افزایش داده های آموزشی، مکانیسم توجه مکانی (SAM) برای تمرکز بر بخش های مهم متن، و مدل زبانی از پیش آموزش دیده ERNIE، قادر به شناسایی الگوهای پنهان و پیچیده مرتبط با بررسی های جعلی است. نتایج آزمایش ها نشان می دهد که این مدل با عملکرد برتر نسبت به روش های پایه، گامی مهم در جهت بهبود صحت و قابلیت اطمینان سیستم های توصیه گر و ارزیابی آنلاین در زبان چینی محسوب می شود. این روش پیشنهادی، توانایی چشمگیری در تفکیک بررسی های واقعی از جعلی داشته و می تواند به عنوان یک ابزار قدرتمند در مقابله با این پدیده مخرب در فضای آنلاین مورد استفاده قرار گیرد.

کلیدواژه ها:

تشخیص ، مکانیسم توجه مکانی ، الگو ارزیابی ، سیستم های توصیه گر