多模态虚假评论检测模型

宏F1超0.96

融合文本与视觉信息的虚假评论意图检测框架，性能优于先进预训练模型。

侯景瑞 · Zhihang, Tan · Shitou, Zhang · Qi-Biao, Hu · 王平

Electronic Commerce Research and Applications 2025

参数信息

平均F1

0.97

宏F1

0.96

技术优势

意图判别更细

从二分类真伪判断升级为检测具体虚假意图，捕捉更细微的欺诈信号。

多模态融合有效

独立但协同的表示与融合模块联合处理文本和视觉信息，显著提升检测性能。

性能超预训练模型

在FRIDRC任务上平均F1超过0.97、宏F1超过0.96，优于先进预训练模型。

应用场景

• 在线评论审核：检测评论中的虚假意图，辅助平台审核并减少人工筛查负担。
• 电商平台内容治理：识别虚假评论意图，提升电商平台内容可信度与用户体验。
• 虚假信息检测：通过多模态线索发现虚假评论意图，拓展虚假信息检测维度。