ทีมนักวิจัยที่ Cornell เพิ่งเสร็จสิ้นรายงานเกี่ยวกับการพัฒนาอัลกอริทึมคอมพิวเตอร์เพื่อตรวจสอบว่าบทวิจารณ์นั้นเป็นของปลอมหรือเป็นของแท้ หลังจากการเผยแพร่งานวิจัย เว็บไซต์ท่องเที่ยวเฉพาะทางหลายแห่งได้ติดต่อกลุ่มเพื่อพิจารณาว่าจะพัฒนาอัลกอริทึมนี้เพื่อกำจัดรีวิวที่ต้องเสียค่าใช้จ่ายออกไปได้อย่างไร แบรนด์และบริษัทบางแห่งแอบใช้ไซต์อย่าง Amazon's Mechanical Turk, Fivver และไซต์อิสระอื่นๆ เพื่อสร้างคลังบทวิจารณ์เชิงบวกเพื่อแลกกับเงินสด เมกกะอิสระเหล่านี้ได้รับการออกแบบมาเพื่อแสดงผลลัพธ์อย่างรวดเร็ว ดังนั้นจึงถูกนำไปใช้เพื่อสร้างบทวิจารณ์ระดับ 5 ดาวมากมายเพื่อเพิ่มคุณภาพของผลิตภัณฑ์หรือบริการ
เพื่อสร้างองค์ประกอบทั่วไปในรีวิวปลอม ทีมงาน Cornell ได้รับอนุญาตให้สร้างงาน mTurk สำหรับสร้างรีวิวเชิงบวก 400 รายการสำหรับโรงแรมในชิคาโก เงื่อนไขเดียวคือรีวิวต้องเป็นของปลอม หลังจากรวบรวมข้อมูลผ่าน TripAdvisor พวกเขาเลือกรีวิว 400 รายการที่เชื่อว่าเป็นเรื่องจริงโดยเฉพาะและผสมกับรีวิวปลอม ผลงานเหล่านี้แสดงต่อกลุ่มผู้พิพากษา แต่พวกเขาไม่สามารถแยกความแตกต่างระหว่างของแท้และของปลอมได้
วิดีโอแนะนำ
หลังจากการวิเคราะห์ ทีมงานได้สร้างอัลกอริธึมคอมพิวเตอร์เพื่อกำจัดของปลอมที่ได้ผล 90 เปอร์เซ็นต์ของเวลาทั้งหมด จากผลการวิจัยพบว่า บทวิจารณ์ปลอมมักจะเป็นเรื่องราวที่คลุมเครือซึ่งเน้นไปที่ประสบการณ์ในเมืองมากกว่าข้อมูลเฉพาะเกี่ยวกับสถานที่ที่อยู่ระหว่างการตรวจสอบ นอกจากนี้ยังมีผู้ตรวจสอบที่ระบุตัวเองด้วยคำว่า "ฉัน" และ "ฉัน" มากเกินไปเพื่อให้มีคุณสมบัติน่าเชื่อถือ
นอกเหนือจากรีวิวเชิงบวกที่ปลอมแปลงแล้ว บริษัทยังต้องต่อสู้กับธุรกิจคู่แข่งที่สร้างรีวิวปลอมและเชิงลบอีกด้วย ฟรีแลนซ์ยังโฆษณาบริการของตนเพื่อสร้างบทวิจารณ์เชิงลบบนเว็บไซต์เช่น Yelp อย่างไรก็ตาม Yelp ใช้อัลกอริธึมของตัวเองเพื่อกรองบทวิจารณ์ทั้งเชิงบวกและเชิงลบที่ดูเหมือนไม่เป็นความจริงออกไป อย่างไรก็ตาม บทวิจารณ์ที่กรองแล้วเหล่านี้เชื่อมโยงไว้ที่ด้านล่างของหน้าธุรกิจหลัก แต่ไม่เชื่อมโยงกับคะแนนโดยรวม
อัพเกรดไลฟ์สไตล์ของคุณDigital Trends ช่วยให้ผู้อ่านติดตามโลกแห่งเทคโนโลยีที่เปลี่ยนแปลงไปอย่างรวดเร็วด้วยข่าวสารล่าสุด รีวิวผลิตภัณฑ์สนุกๆ บทบรรณาธิการที่เจาะลึก และการแอบดูที่ไม่ซ้ำใคร
