面向AIGC視域下虛假評論的新特點及其影響，本書首先從理論角度探討虛假評論的產生原因、動機、識別技術方法及監(jiān)管體系，歸納虛假評論識別與治理的相關理論與方法，然后基于實驗與實證角度，從技術與用戶的雙元視角深入探討虛假評論識別、感知與治理問題。具體而言，一方面從技術視角探索基于不同模型的虛假評論客觀特征提取及其識別方法，在此基礎上，進一步研究用戶如何感知、評價并采納虛假評論，以及用戶視角下虛假評論的特征；另一方面，綜合技術和用戶視角的研究成果，從多個角度探討AIGC視域下虛假評論的治理路徑，本書的諸多發(fā)現(xiàn)為解決新技術背景下的虛假評論識別及治理問題提供了理論與實踐參考。
更多科學出版社服務，請掃碼獲取。
(1) 2009-9至2012-6, 武漢大學, 信息資源管理, 管理學博士
(2) 2006-9至2008-6, 華中師范大學, 圖書館學, 管理學碩士
(3) 2000-9至2004-6, 武漢科技大學, 計算機科學與技術, 工學學士（1）2012-07至2014-11，武漢大學，博士后
（2）2012-07至2016-01，武漢大學信息管理學院，檔案與政務信息系講師
（3）2015-08至2016-08，美國北卡羅來納大學教堂山分校，訪問學者
（4）2016-02至2021-05，武漢大學信息管理學院，檔案與政務信息系副教授
（5）2021-05至今，武漢大學信息管理學院，檔案與政務信息系教授信息資源管理、自然語言處理、用戶/AI生成內容（認知科學/用戶研究/深度學習方向）作為通訊作者、第一作者發(fā)表論文67篇，其中SCI檢索8篇、SSCI檢索12篇、CSSCI檢索15篇、其他核心期刊檢索32篇（包含國際會議論文與北大核心期刊論文）。
代表性論文：
[1] Zhang, S.T., Wang, P.*, Li, Z.C., Hou, J.R., Hu, Q.B. Confidence-based Syntax encoding network for better ancient Chinese understanding. Information Processing & Management. 2024. （SSCI, Q1, IF=8.6）
[2] Hou, J.R., Wang, P.*Assemble the shallow or integrate a deep? Toward a lightweight solution for glyph-aware Chinese text classification. PLoS One. 2023. （SCI, Q3, IF=3.7）
[3] Li.Q., Liu, C.F., Hou, J.R., Wang, P.*Aff檔案智能開發(fā)與服務國家檔案局重點實驗室副主任
中國檔案學會影像技術委員會副主任委員
中國檔案學會檔案信息化技術委員會委員
《山西檔案》、《檔案學刊》編委會委員
武漢大學人文社會科學青年學者學術發(fā)展計劃“人機交互與協(xié)作”學術創(chuàng)新團隊成員
目錄
前言
第1章 緒論 1
1.1 研究背景及意義 1
1.1.1 研究背景 1
1.1.2研究意義 6
1.2 國內外虛假評論研究現(xiàn)狀 9
1.2.1 虛假評論產生原因與動機 9
1.2.2 虛假評論影響及危害 16
1.2.3 虛假評論識別方法 20
1.2.4 虛假評論監(jiān)管體系 28
1.2.5 研究現(xiàn)狀小結 34
1.3 研究內容及方法 37
1.3.1 研究內容 37
1.3.2 研究方法 40
1.4 本書的創(chuàng)新點 41
參考文獻 43
第2章 AIGC視域下虛假評論感知治理理論與識別方法 56
2.1 AIGC視域下虛假評論感知治理理論 56
2.1.1 虛假評論產生、傳播與感知的相關理論 56
2.1.2 虛假評論危機治理的相關理論 64
2.2 AIGC視域下虛假評論識別方法 70
2.2.1 傳統(tǒng)機器學習方法 70
2.2.2 深度學習方法 78
參考文獻 86
第3章 AIGC視域下虛假評論客觀特征與主觀感知行為分析 89
3.1 虛假評論的客觀特征分析 89
3.1.1 基于評論內容的特征 89
3.1.2 基于評論者行為的特征 97
3.2 虛假評論的主觀感知與行為分析 102
3.2.1 用戶感知視角下的虛假評論特征 102
3.2.2 用戶虛假評論感知與采納行為的影響因素 110
3.2.3 基于虛假評論感知驅動的用戶信息鑒別行為分析 118
參考文獻 124
第4章 基于對比學習的電商平臺虛假評論識別模型 139
4.1 問題的提出 139
4.2 研究現(xiàn)狀 140
4.3 基于對比學習的電商平臺虛假評論識別模型構建 141
4.3.1 基于對比學習的文本分類模型SimCSE 141
4.3.2 基于有監(jiān)督SimCSE的虛假評論識別模型構建 142
4.4 實驗研究 146
4.4.1 實驗設計與結果 146
4.4.2實驗結果及分析 152
4.5 小結 159
參考文獻 161
第5章 基于上下文學習的不平衡虛假評論識別方法 163
5.1 問題的提出 163
5.2研究現(xiàn)狀 164
5.2.1大模型與上下文學習 164
5.2.2 基于不平衡數(shù)據(jù)的網(wǎng)絡虛假信息識別技術 166
5.3 預實驗 168
5.3.1 實驗設置 169
5.3.2 預實驗結果及分析 170
5.4 基于上下文學習的虛假評論識別框架 171
5.4.1 基于文本相似度的示例選擇模塊 172
5.4.2 示例排序模塊 173
5.4.3 上下文學習偏見校準模塊 174
5.5實驗研究 175
5.5.1 實驗準備 175
5.5.2 實驗結果及分析 177
5.6 小結 183
參考文獻 184
第6章 融合用戶與AI生成內容的虛假評論意圖的多模態(tài)識別預測框架 188
6.1 問題的提出 188
6.2 研究現(xiàn)狀 190
6.2.1 基于深度學習技術的AI生成內容識別 190
6.2.2 基于多模態(tài)深度學習的網(wǎng)絡虛假信息識別技術 191
6.3 虛假評論數(shù)據(jù)集及意圖識別的多模態(tài)框架構建 192
6.3.1 虛假評論數(shù)據(jù)集構建 192
6.3.2 虛假評論意圖識別的多模態(tài)框架 196
6.4 實驗研究 203
6.4.1 實驗準備 203
6.4.2 實驗結果及分析 205
6.4.3 不同實驗設置下模型性能的統(tǒng)計檢驗 207
6.5 小結 208
參考文獻 210
第7章 AIGC視域下虛假評論用戶感知與采納 214
7.1 問題的提出 214
7.2 研究現(xiàn)狀 216
7.3 模型構建 219
7.3.1 理論背景 219
7.3.2 假設發(fā)展 223
7.4 研究方法及實驗 226
7.4.1 調查問卷 226
7.4.2 場景設計 228
7.4.3 數(shù)據(jù)收集 229
7.4.4 數(shù)據(jù)分析 230
7.5 實驗結論 232
7.5.1 測量模型評估 232
7.5.2 結構模型評估 233
7.5.3 假設驗證 234
7.6 結論與討論 235
7.6.1 討論 235
7.6.2 總結 239
參考文獻 239
第8章 AIGC視域下虛假評論治理要素與策略 249
8.1 問題的提出 249
8.2 虛假評論治理相關研究 250
8.3 AIGC視域下虛假評論治理信息生態(tài)要素分析 253
8.3.1 信息生態(tài)理論 253
8.3.2 AIGC視域下虛假評論治理的信息生態(tài)因子分析 254
8.4 基于信息生態(tài)理論的虛假評論治理策略 261
8.4.1 完善多元參與，構建協(xié)同高效治理格局 261
8.4.2 優(yōu)化信息流管理，建立快捷響應機制 262
8.4.3 規(guī)范技術要素管理，實現(xiàn)技術賦能精準高效治理 264
8.4.4 引導正向社會規(guī)范，推動網(wǎng)絡空間社會共治 265
參考文獻 266
第9章 總結與展望 269
9.1 研究總結 269
9.2 未來展望 270
9.3 結束語 271
彩圖
書單推薦
