Detección de opiniones fraudulentas empleando Autoencoders
Fecha
2021Resumen
Mediante este trabajo se propone un modelo de aprendizaje profundo para la
detección de una problemática, la detección de valores atípicos de un conjunto
de datos, basándose en la técnica no supervisada llamada Autoencoder.
Con el continuo crecimiento del comercio electrónico(e-commerce), el uso de
la web para compartir experiencias sobre distintos servicios o productos se ha
convertido en un factor determinante para las personas. Cada vez hay más usuarios que recurren a las opiniones de los demás para la compra de un bien o un
servicio.
Sin embargo, esto también ha resultado en que haya personas que de forma consciente publiquen opiniones engañosas, tanto positivas para impulsar la
venta de un bien o negativas para perjudicar a cierto servicio. Esto ha llevado a
que el producto afectado tenga una gran dificultad en recuperar la confianza
de los demás y seguir siendo rentable.
En la actualidad, el fraude online, incluido el uso de opiniones engañosas, es
un fenómeno común impulsado por los beneficios. Through this project, a deep learning model is proposed for the detection of a
well known problem, the detection of atypical values of a dataset, based on the
unsupervised technique called Autoencoder.
With the continuous growth of electronic commerce (e-commerce), the use of
the web to share experiences on different services or products has become a decisive factor for people. More and more users are turning to the opinions of others
to buy a good or a service.
Nevertheless this has also resulted in people who consciously post misleading
opinions, both positive to boost the sales of a good or negative to harm a certain
service. This has made it difficult for the affected product to regain the trust of
others and remain profitable.
Today, online fraud, including the use of misleading reviews, is a common phenomenon driven by benefits.