Jump to ContentJump to Main Navigation
Show Summary Details
More options …

Information - Wissenschaft & Praxis

Editor-in-Chief: Reibel-Felten, Margarita

6 Issues per year


CiteScore 2016: 0.06

SCImago Journal Rank (SJR) 2016: 0.100
Source Normalized Impact per Paper (SNIP) 2016: 0.144

Online
ISSN
1619-4292
See all formats and pricing
More options …

Opinion Spam – Meinungsäußerungen als Fake

Opinion Spam – Fake expressions of opinion

Opinion Spam – des fausses expressions d'opinion

Prof. Dr. Melanie Siegel
  • Corresponding author
  • h_da, Hochschule Darmstadt, Fachbereich Media, Medien-Campus der h_da, Max-Planck-Straße 2, 64807 DieburgGermany
  • Email
  • Other articles by this author:
  • De Gruyter OnlineGoogle Scholar
Published Online: 2016-11-02 | DOI: https://doi.org/10.1515/iwp-2016-0058

Zusammenfassung

Die Meinung der Kunden ist ein wichtiger Geschäftsfaktor geworden. Firmen wollen wissen, was Verbraucher von ihrem Produkt oder ihrer Dienstleistung halten. Sie versuchen daher, sich und ihre Produkte schnell an Kundenbedürfnisse anzupassen und die geäußerten Meinungen als Marketinginstrument einzusetzen. Mit der Zunahme der Relevanz der Kundenmeinungen steigt jedoch auch die Anzahl der Manipulationsversuche. Wir haben es hier mit einem gesellschaftlich und ökonomisch erheblichen Problem zu tun. Der Artikel stellt Forschungsansätze für die englische und chinesische Sprache vor und untersucht die Übertragbarkeit auf die deutsche Sprache. Als Ausgangspunkt für diese Untersuchung wird zunächst der Aufbau eines Korpus für gefälschte Bewertungen im deutschsprachigen Amazon-Portal umrissen. Erste Analysen dieses Korpus zeigen, dass die vorgestellten Forschungsansätze zum großen Teil auch auf die deutsche Sprache übertragbar sind.

Abstract

Customer opinions have become an important business factor. Companies want to know what consumers think of their product and their service trying to quickly adapt themselves and their products to customer needs. They deploy the customer opinions as a marketing tool. Though, with the increase of the relevance of customer opinions, also the number of manipulation attempts increases. This has turned out to be a socially and economically significant problem. This article presents research approaches concerning the English and Chinese languages and examines the transferability of the approaches to the German language. The construction of a corpus for fake reviews in the German Amazon site is outlined. Initial analyses on this corpus show that the methods for English and Chinese are to a large extent transferable to the German language.

Résumé

Les opinions des clients sont devenues des facteurs commerciaux importants. Les entreprises veulent savoir ce que les consommateurs pensent de leurs produits ou services. Ils essaient donc eux-mêmes de s’adapter rapidement et de faire en sorte que leurs produits répondent aux besoins des clients. D’autre part, ils utilisent les opinions exprimées comme outil de marketing. En même temps que s'améliore la pertinence des opinions des clients, le nombre de tentatives de manipulation croît également. Nous avons affaire à un problème social et économique important. L'article présente des approches de recherche pour les langues anglaise et chinoise et examine la possibilité de les transposer à la langue allemande. Comme point de départ de cette étude, l’auteur décrit la construction d’un corpus de faux avis sur le site allemand d'Amazon. Des analyses initiales sur ce corpus montrent que les approches de recherche présentés sont transposables dans une large mesure à la langue allemande.

Deskriptoren: Textanalyse; Datenanalyse; Produktinformation; Informationswert; Zuverlässigkeit; Bewertung; Chinesisch; Englisch

Descriptors: Text analysis; Data analysis; Product information; Information value; Reliability; Evaluation; Chinese; English

Descripteurs: Analyse de texte; Analyse des données; Information sur des produits; Valeur de l'information; Fiabilité; Evaluation; Chinois; Anglais

Literatur

  • Banerjee, S., A. Y. Chua und J. J. Kim. „Using supervised learning to classify authentic and fake online reviews.“ Proceedings of the 9th International Conference on Ubiquitous Information Management and Communication. 2015. 88.Google Scholar

  • Conrady, Roland. „Customer Reviews: kaufentscheidend, glaubwürdig, strategierelevant? Eine empirische Studie der ITB und der Fachhochschule Worms.“ ITB Berlin Kongress. 2014.Google Scholar

  • Hooi, B. et al. BIRDNEST: Bayesian Inference for Ratings-Fraud Detection. arXiv preprint arXiv:1511.06030, 2016.Google Scholar

  • Jindal, Nitin und Bing Liu. „Opinion Spam and Analysis.“ Proceedings of the 2008 International Conference on Web Search and Data Mining. 2008. 219–230.Google Scholar

  • Kincaid, J.P, R.P. Fishburne, R.L. Rodgers und Chisson, B.S. „Derivation of new readability formulas for Navy enlisted personnel.“ Research Branch Report 8–75, U. S. Naval Air Station, Memphis, 1975.Google Scholar

  • Li, H., Z. Chen, A. Mukherjee, B. Liu und J. Shao. „Analyzing and detecting opinion spam on a large-scale dataset via temporal and spatial patterns.“ Proceedings of The 9th International AAAI Conference on Web and Social Media (ICWSM-15), May 2015: 26–29.Google Scholar

  • Liu, Bing. Sentiment Analysis and Opinion Mining. Morgan & Claypool Publishers, 2012.Google Scholar

  • Mukherjee, A. „Detecting Deceptive Opinion Spam using Linguistics, Behavioral and Statistical Modeling.“ ACL-IJCNLP 2015. 2015. 21.Google Scholar

  • Ott, M., Y. Choi, C. Cardie, und J. T. Hancock. „Finding deceptive opinion spam by any stretch of the imagination.“ Proceedings of the 49th Annual Meeting of the Association for Computational Linguistics: Human Language Technologies. Association for Computational Linguistics, 2011. 309–319.Google Scholar

  • Sandulescu, V. und M. Ester. „Detecting Singleton Review Spammers Using Semantic Similarity.“ Proceedings of the 24th International Conference on World Wide Web. 2015. 971–976.Google Scholar

  • Shojaee, S., A. Azman, M. Murad, N. Sharef und N. Sulaiman. „A Framework for Fake Review Annotation.“ Herausgeber: IEEE Computer Society. Proceedings of the 2015 17th UKSIM-AMSS International Conference on Modelling and Simulation. 2015. 153–158.Google Scholar

  • Wang, G., Xie, S., B. Liu und P. S. Yu. „Identify online store review spammers via social review graph.“ ACM Trans. Intell. Syst. Technol., September 2012.Google Scholar

  • Ye, J., S. Kumar und L. Akoglu. „Temporal Opinion Spam Detection by Multivariate Indicative Signals.“ Herausgeber: arXiv preprint arXiv:1603.01929. 2016.Google Scholar

About the article

Published Online: 2016-11-02

Published in Print: 2016-11-01


Citation Information: Information - Wissenschaft & Praxis, ISSN (Online) 1619-4292, ISSN (Print) 1434-4653, DOI: https://doi.org/10.1515/iwp-2016-0058.

Export Citation

© 2016 Walter de Gruyter GmbH, Berlin/Boston. Copyright Clearance Center

Comments (0)

Please log in or register to comment.
Log in