Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

Fake review detection in e-Commerce platforms using aspect-based sentiment analysis

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216275%3A25410%2F23%3A39920757" target="_blank" >RIV/00216275:25410/23:39920757 - isvavai.cz</a>

  • Výsledek na webu

    <a href="https://www.sciencedirect.com/science/article/pii/S0148296323005027" target="_blank" >https://www.sciencedirect.com/science/article/pii/S0148296323005027</a>

  • DOI - Digital Object Identifier

    <a href="http://dx.doi.org/10.1016/j.jbusres.2023.114143" target="_blank" >10.1016/j.jbusres.2023.114143</a>

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Fake review detection in e-Commerce platforms using aspect-based sentiment analysis

  • Popis výsledku v původním jazyce

    Consumers rely on internet user reviews. Existing sentiment-based detection systems fail to capture consumer feelings regarding numerous aspects of products or services which influence their purchasing decisions. Despite the growing interest in detecting false reviews, prior studies have not explored the capacity to detect fake reviews for diverse products, which require distinct consumer experience. To overcome these problems, this paper proposes a fake review detection model using aspect-based sentiment analysis (ABSA) while considering the effects of product types. Using a dataset of Amazon reviews, our ABSA model revealed that two aspects are fundamental for detecting fake reviews and suggests the need to associate the two. These are the product category and the verified purchase attribute (with the greatest contribution observed for credence and experience product types).

  • Název v anglickém jazyce

    Fake review detection in e-Commerce platforms using aspect-based sentiment analysis

  • Popis výsledku anglicky

    Consumers rely on internet user reviews. Existing sentiment-based detection systems fail to capture consumer feelings regarding numerous aspects of products or services which influence their purchasing decisions. Despite the growing interest in detecting false reviews, prior studies have not explored the capacity to detect fake reviews for diverse products, which require distinct consumer experience. To overcome these problems, this paper proposes a fake review detection model using aspect-based sentiment analysis (ABSA) while considering the effects of product types. Using a dataset of Amazon reviews, our ABSA model revealed that two aspects are fundamental for detecting fake reviews and suggests the need to associate the two. These are the product category and the verified purchase attribute (with the greatest contribution observed for credence and experience product types).

Klasifikace

  • Druh

    J<sub>imp</sub> - Článek v periodiku v databázi Web of Science

  • CEP obor

  • OECD FORD obor

    50204 - Business and management

Návaznosti výsledku

  • Projekt

    <a href="/cs/project/GA22-22586S" target="_blank" >GA22-22586S: Aspektově orientovaná analýza sentimentu finančních textů pro predikci finanční výkonnosti podniku</a><br>

  • Návaznosti

    P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Ostatní

  • Rok uplatnění

    2023

  • Kód důvěrnosti údajů

    S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Údaje specifické pro druh výsledku

  • Název periodika

    Journal of Business Research

  • ISSN

    0148-2963

  • e-ISSN

    1873-7978

  • Svazek periodika

    167

  • Číslo periodika v rámci svazku

    listopad

  • Stát vydavatele periodika

    US - Spojené státy americké

  • Počet stran výsledku

    14

  • Strana od-do

    114143

  • Kód UT WoS článku

    001039646900001

  • EID výsledku v databázi Scopus

    2-s2.0-85166630721