一篇新的调查论文审视了虚假评论检测不断发展的格局，追溯了从传统机器学习到利用预训练语言模型（PLM）和大型语言模型（LLM）的先进技术的方法。该论文根据证据来源和融合级别组织了2018年至2026年初的211项研究，包括文本、情感、用户行为、时间数据和多模态内容。它分析了在Amazon和Yelp等基准数据集上的性能趋势，同时还强调了当前评估程序的局限性，并确定了诸如对抗性生成、跨领域迁移以及AI生成欺骗性内容的解释性等开放性挑战。 AI
影响 提供了打击在线欺骗性内容的AI技术的全面概述，帮助研究人员和平台开发更强大的检测系统。
排序理由 该条目是一篇在arXiv上发表的调查论文，详细介绍了虚假评论检测方法的研究。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
