FraudSquad — LLM 生成虚假评论检测：LM 嵌入 + 门控图变换器

1. 解决的问题

核心思想：LLM 生成的虚假评论文本质量极高（语法流畅、情感真实），传统文本特征工程（词频/情感/长度）已失效。FraudSquad 转变思路——不只看"单条评论写得怎样"，而是看"这个评论者在评论图中的行为模式是否异常"。

2. 核心算法逻辑

核心思想：LLM 生成的虚假评论文本质量极高（语法流畅、情感真实），传统文本特征工程（词频/情感/长度）已失效。FraudSquad 转变思路——不只看"单条评论写得怎样"，而是看"这个评论者在评论图中的行为模式是否异常"。

3. 业务应用场景

业务问题：竞品通过 ChatGPT 批量生成高质量 5 星好评（语言自然流畅、细节丰富），注入自家 listing 的同时给我们的 listing 刷低评，导致： 1. 竞品 BSR 飙升 → 抢占 Featured Offer 2. 我们 listing 评分下降 → 转化率下滑 10-25% 3. Amazon 算法降权 → 广告 CVR 下降

数据要求： - Amazon 评论爬虫数据：reviewer_id、product_asin、rating（1-5）、review_text、review_date、reviewer_join_date - 构建三方图：reviewer ↔ review ↔ product - 最少 50 条评论（含至少5条可疑评论）用于半监督训练 - 可选：reviewer 历史评论数量、verified_purchase 标志

预期产出： - 每条评论的欺诈概率分数（0-1） - 高置信度虚假评论列表（建议举报/屏蔽） - 刷评团伙聚类（识别哪些账号协同作战）

4. 输入数据要求

请查看原始代码模板获取输入规格。

5. 输出结果

请查看原始代码模板获取输出规格。

6. 业务价值 / ROI

未自动抽取；请查看原始 Skill 卡片。

7. 代码模板

代码块数量：1 · 路径：未检测到

"""
FraudSquad — LLM 生成虚假评论检测
论文: arXiv:2510.01801 (2025-10)
场景: Amazon 母婴品类刷评检测 / WF-E Review 清洗前置层
"""

from __future__ import annotations

import numpy as np
import pandas as pd
from dataclasses import dataclass, field
from typing import Dict, List, Optional, Tuple
from collections import defaultdict

from sklearn.feature_extraction.text import TfidfVectorizer
from sklearn.linear_model import LogisticRegression
from sklearn.preprocessing import StandardScaler


# ────────────────────────────────────────────
# 图数据结构
# ────────────────────────────────────────────

@dataclass
class ReviewGraph:
    """用户-产品-评论三方异构图"""
    review_ids: List[str] = field(default_factory=list)
    user_ids: List[str] = field(default_factory=list)
    product_ids: List[str] = field(default_factory=list)
    texts: List[str] = field(default_factory=list)
    ratings: List[float] = field(default_factory=list)
    timestamps: List[float] = field(default_factory=list)
    labels: Optional[np.ndarray] = None              # 1=虚假, 0=真实, -1=未知

    def add_review(
        self,
        review_id: str,
        user_id: str,
        product_id: str,
        text: str,
        rating: float,
        timestamp: float,
        label: int = -1,
    ) -> None:
        self.review_ids.append(review_id)
        self.user_ids.append(user_id)
        self.product_ids.append(product_id)
        self.texts.append(text)
        self.ratings.append(rating)
        self.timestamps.append(timestamp)
        if self.labels is None:
            self.labels = np.array([label])
        else:
            self.labels = np.append(self.labels, label)

    def __len__(self) -> int:
        return len(self.review_ids)


# ────────────────────────────────────────────

8. 论文来源

• 2510.01801