如何检测虚假的在线医生评论:一种深度学习方法
Yuehua Zhao1, Tianyi Li1, Qinjian Yuan1
1School of Information Management, Nanjing University, Nanjing, China.
Digital health
|September 3, 2024
概括
这项研究开发了一种深度学习模型,用于检测中国在线医疗平台上的假医生评论,达到98.36%的精度. 这种先进的模型显著优于传统的机器学习方法,以确保评论的真实性.
科学领域:
- 数字健康数字健康
- 医疗保健中的人工智能
- 自然语言处理自然语言处理.
背景情况:
- 随着COVID-19大流行,在线医疗利用率增加,导致更多的用户生成的医生评论.
- 区分真实和假的在线医生评论对平台的完整性构成重大挑战.
- 假评的大量传播可能会误导患者,损害医生的声誉.
研究的目的:
- 为中国在线医疗平台开发可靠有效的假评检测模型.
- 为了利用深度学习方法来加强虚假评论的识别.
- 为了应对在数字健康领域中辨别真实的医生评论的挑战.
主要方法:
- 采用众包方法,从中国在线医疗平台创建了一个专门的虚假评论数据集.
- 实施了经典的机器学习模型 (逻辑回归,SVM,随机森林,回归).
- 深度学习模型,包括卷积神经网络 (CNN) 和来自变压器的双向编码器表示 (BERT),应用于假评检测.
主要成果:
- 实验深度学习模型在识别假评论方面获得了98.36%的精度和97.97%的F2-Score.
- 与传统的机器学习模型相比,这种深度学习方法在精度上提高了8.16%,F2-Score增加了7.7%.
- 开发的模型在检测在线医疗平台上的假医生评论方面表现优越.
结论:
- 该研究成功开发了一种有效的深度学习模型,用于检测虚假的医生评论.
- 这些发现有助于提高在线医疗平台的可信度.
- 这项研究为打击数字医疗保健环境中欺诈性审查提供了有价值的工具.
