菲洛嘉青春动能素135HA FILLMED® NCTF 135HA LED指示灯的常见故障分析 智微智能 Elkhartlake K075终端,零售产业新选择 天空蓝拓客管理系统详细介绍版 muso公链项目 天使计划 是什么?[秘] 独家揭秘最前沿的家装“黑科技”——掌赋 天博体育欧洲杯特辑,东道主法兰西的失意2016 亚马逊的送货侦察员 学习听起来像挡泥板 Google Comics Factory使ML变得容易 笑着说-男性或女性 Amazon Rekognition中更好的人脸检测 关于Spaun的真相-大脑模拟 两个聊天机器人彼此聊天-有趣又怪异 GANPaint:将AI用于艺术 WCF和WF给予社区 从耳朵到脸 所有神经网络的深层缺陷 蠕虫在尾巴上平衡杆子 Kickstarter上的OpenCV AI套件 TensorFlow-Google的开源AI和计算引擎 众包取代新闻工作者 Google的DeepMind学会玩街机游戏 哑机器人V智能机器人 .NET与.NET 5融为一体 Google的深度学习-语音识别 LInQer将.NET LINQ移植到Javascript 机器人TED演讲-新的图灵测试? GAN的发明者加入苹果 您的智能手机会监视您键入的内容 人工智能帮助改善国际象棋 Zalando Flair NLP库已更新 TensorFlow 1.5包含移动版本 AlphaGo输了一场比赛-比分3-1 虚拟机器学习峰会 Microsoft开源AI调试工具 SharePoint走向移动 F#4.0发出文化变革的信号 克里斯蒂拍卖AI艺术品 人工智能如何区分 Facebook在蒙特利尔的新AI实验室 Mozilla想要您的声音 微软使用极深的神经网络赢得ImageNet 建立AI合作伙伴关系 .NET Core 3-Microsoft几乎回到了起点 神经网络-更好的销售商? Google使用AI查找您的住所 虹膜-适用于Android的Siri证明苹果没有优势 TensorFlow 2提供更快的模型训练 深度学习研究人员将为Google工作
您的位置:首页 >大数据 >

亚马逊使用机器学习进行欺诈检测

为了提高其在美国站点上的评论质量,亚马逊引入了一个内部开发的新机器学习平台。

亚马逊

客户评论及其5星级评分系统一直是亚马逊作为在线市场成功的重要组成部分,因此其网站上虚假评论的普遍存在是亚马逊面临的真正问题。

亚马逊在四月份起诉一家公司,该公司公开交易了虚假的五星级评论,声称:

“尽管评论数量很少,但有可能破坏顾客以及绝大多数卖家和制造商对亚马逊的信任,从而损害亚马逊的品牌,”

这可能低估了问题的严重性,最近英国竞争与市场管理局(UK Competition and Markets Authority)展开了一项调查,调查内容是数百万条虚假的在线评论。

亚马逊已经在其推荐系统中使用了机器学习,从而在您进行购买时,不仅会根据您所购买的商品,而且还会根据购买习惯和其他兴趣相似的顾客提示您进行进一步的购买。现在,它正在扩展机器学习的用途,以改善星级评分系统和评论的可信赖性:

亚马逊发言人朱莉·劳告诉CNet:

“该系统将了解哪些评论对客户最有帮助...并且随着时间的推移它会不断改进。所有这些都是为了使客户评论更加有用。”

新系统将赋予新评论更多的权重,来自经过验证的亚马逊购买者的评论以及更多顾客投票认为有帮助的评论。产品的评分(以前只是所有评论的简单平均值)也将使用相同的评分标准,因此可能会更频繁地更改。

最初,该系统仅在美国使用,并且在消除欺诈性评论方面似乎还远远不够,人工智能似乎很适合通过在一组评论中寻找异常值来解决这些问题,如果它们相关对同一产品,应以共识为特征。对于发现以非典型方式行事的审稿人来说,这似乎也是正确的。例如,一位审阅者对一本有关Lisp编程的技术性很高的书进行了评论,并对非编程主题进行了许多其他评论。

归根结底,问题是客户进行评论的基本动机。大多数客户只是想购买产品并继续生活。如果发现产品质量不好,他们可能会返回到评论页面并发泄怒气,因此将真实评论偏向负面评论。真正的正面评价极有可能是罕见的,因为客户没有真正的理由浪费时间提交自己的想法。这样一来,少量的付费评论者就可以充斥整个系统。

考虑到这一点,对假评论的最简单解决方案不是AI,而是经济学。为了提高评论质量,需要撰写与产品质量无关的评论是一个很好的理由。这样,更多的真实客户评论将淹没较少数量的欺诈性评论。也许亚马逊应该简单地贷记客户的账户以换取评论-然后它们将全部为付费评论。

亚马逊

郑重声明:本文版权归原作者所有,转载文章仅为传播更多信息之目的,如作者信息标记有误,请第一时间联系我们修改或删除,多谢。