Big-Data-Frameworks verbessern Spam-Erkennung bei Amazon-Bewertungen

In der heutigen digitalen Welt ist Online-Shopping allgegenwärtig, und Produktbewertungen spielen dabei eine entscheidende Rolle für das Kaufverhalten der Verbraucher. Gleichzeitig gefährden betrügerische Bewertungen das Vertrauen der Käufer und schädigen die Reputation der Verkäufer.

Eine neue Studie nutzt fortschrittliche Big-Data-Analysen und maschinelles Lernen, um ein umfangreiches Datenset von Amazon-Bewertungen zu untersuchen. Ziel ist es, Spam-Bewertungen zuverlässig zu erkennen und zu klassifizieren, um die Authentizität der Rezensionen zu stärken.

Durch den Einsatz eines skalierbaren Big-Data-Frameworks werden die Daten effizient verarbeitet und wichtige Merkmale, die auf betrügerisches Verhalten hinweisen, extrahiert. Verschiedene Klassifikatoren werden getestet, wobei die logistische Regression mit einer Genauigkeit von 90,35 % herausragt.

Die Ergebnisse zeigen, dass moderne Datenanalyse- und Machine-Learning-Methoden einen bedeutenden Beitrag zu einem vertrauenswürdigeren und transparenteren Online-Shopping-Umfeld leisten können.