ترجمه فارسی مقاله آنچه در توضیحات اهمیت دارد: به سوی تشخیص نقدهای جعلی قابل توضیح با تمرکز بر ترانسفورماتورها

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 37,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی
عنوان مقاله به انگلیسی What Matters in Explanations: Towards Explainable Fake Review Detection Focusing on Transformers
عنوان مقاله به فارسی آنچه در توضیحات اهمیت دارد: به سوی تشخیص نقدهای جعلی قابل توضیح با تمرکز بر ترانسفورماتورها
نویسندگان Md Shajalal, Md Atabuzzaman, Alexander Boden, Gunnar Stevens, Delong Du
فرمت مقاله انگلیسی PDF
تعداد صفحات 10
دسته بندی موضوعات Computation and Language,Information Retrieval,Social and Information Networks,محاسبات و زبان , بازیابی اطلاعات , شبکه های اجتماعی و اطلاعاتی ,
توضیحات Submitted 24 July, 2024; originally announced July 2024.
توضیحات به فارسی ارسال شده 24 ژوئیه 2024 ؛در ابتدا ژوئیه 2024 اعلام شد.

قیمت: 19,000 تومان

دانلود مقاله اصل انگلیسی + خلاصه دو صفحه ای مقاله + پادکست صوتی فارسی خلاصه مقاله

با انتخاب این گزینه، علاوه بر دریافت مقاله اصلی، یک خلاصه دو صفحه‌ای فارسی و پادکست صوتی فارسی خلاصه مقاله را نیز دریافت خواهید کرد.

قیمت: 99,000 تومان

سفارش + خلاصه دو صفحه ای مقاله + پادکست صوتی فارسی خلاصه مقاله

با انتخاب این گزینه، علاوه بر دریافت مقاله اصلی و ترجمه کامل آن، یک خلاصه دو صفحه‌ای فارسی و پادکست صوتی فارسی خلاصه مقاله را نیز دریافت خواهید کرد.

قیمت: 400,000 تومان

زمان تحویل: 2 تا 3 روز کاری


📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

Customers' reviews and feedback play crucial role on electronic commerce~(E-commerce) platforms like Amazon, Zalando, and eBay in influencing other customers' purchasing decisions. However, there is a prevailing concern that sellers often post fake or spam reviews to deceive potential customers and manipulate their opinions about a product. Over the past decade, there has been considerable interest in using machine learning (ML) and deep learning (DL) models to identify such fraudulent reviews. Unfortunately, the decisions made by complex ML and DL models - which often function as emph{black-boxes} - can be surprising and difficult for general users to comprehend. In this paper, we propose an explainable framework for detecting fake reviews with high precision in identifying fraudulent content with explanations and investigate what information matters most for explaining particular decisions by conducting empirical user evaluation. Initially, we develop fake review detection models using DL and transformer models including XLNet and DistilBERT. We then introduce layer-wise relevance propagation (LRP) technique for generating explanations that can map the contributions of words toward the predicted class. The experimental results on two benchmark fake review detection datasets demonstrate that our predictive models achieve state-of-the-art performance and outperform several existing methods. Furthermore, the empirical user evaluation of the generated explanations concludes which important information needs to be considered in generating explanations in the context of fake review identification.

چکیده به فارسی (ترجمه ماشینی)

بررسی ها و بازخورد مشتریان نقش مهمی در سیستم عامل های الکترونیکی (تجارت الکترونیکی) مانند آمازون ، زلاندو و eBay در تأثیرگذاری بر تصمیمات خرید سایر مشتریان دارند.با این حال ، این نگرانی غالب وجود دارد که فروشندگان غالباً بررسی های جعلی یا اسپم را برای فریب مشتریان بالقوه و دستکاری نظرات خود در مورد یک محصول ارسال می کنند.طی یک دهه گذشته ، علاقه زیادی به استفاده از مدل های یادگیری ماشین (ML) و یادگیری عمیق (DL) برای شناسایی چنین بررسی های کلاهبرداری وجود دارد.متأسفانه ، تصمیمات گرفته شده توسط مدل های پیچیده ML و DL - که اغلب به عنوان emph {black -boxes} عمل می کنند - درک کاربران عمومی می تواند تعجب آور و دشوار باشد.در این مقاله ، ما یک چارچوب قابل توضیح برای تشخیص بررسی های جعلی با دقت بالا در شناسایی محتوای کلاهبرداری با توضیحات پیشنهاد می کنیم و بررسی می کنیم که اطلاعات بیشتر برای توضیح تصمیمات خاص با انجام ارزیابی کاربر تجربی چیست.در ابتدا ، ما مدل های تشخیص بررسی جعلی را با استفاده از مدلهای DL و ترانسفورماتور از جمله XLNET و DISTILBERT توسعه می دهیم.ما سپس تکنیک انتشار ارتباط با لایه (LRP) را برای تولید توضیحاتی معرفی می کنیم که می تواند سهم کلمات را به سمت کلاس پیش بینی شده ترسیم کند.نتایج تجربی در دو مجموعه داده تشخیص نقد و بررسی جعلی نشان می دهد که مدلهای پیش بینی کننده ما به عملکرد پیشرفته ای دست می یابند و از چندین روش موجود بهتر عمل می کنند.علاوه بر این ، ارزیابی کاربر تجربی توضیحات تولید شده نتیجه می گیرد که اطلاعات مهم باید در تولید توضیحات در زمینه شناسایی بررسی جعلی در نظر گرفته شود.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.