但是，如果这些占领从购物网站到音乐平台等各种网站上的评论，既不是来自水军也不是来自恶意评论的顾客，而是来自 AI 呢？
美国芝加哥大学的一组研究人员就真的让人工智能客串了一回水军，而且效果惊人。
研究人员让 AI 给美国最大的点评网站 Yelp 写评论，不仅将 Yelp 自身搭建的检测水军评论的神经网络蒙了过去，连很多真实的消费者都给 AI 写的评论点赞，觉得很有用。他们最后将研究成果发表为一篇论文《Automated Crowdturfing Attacks and Defenses in Online Review Systems》（《网络评论领域中的自动化众包营销攻防研究》）。
研究人员在论文中写道，他们使用了深度学习中的循环神经网络（RNN）。利用大数据集，研究者们训练这种类型的 AI 后，它可以写出高质量的短评。AI 写的评论越长，似乎质量就越糟糕。不过在为 Yelp 写评论的试验中，短评正好是最理想的评论方式。
研究人员将 Yelp 上公开展示的顾客对餐厅的评论混合后输入 AI 模型，然后 AI 会用这些信息生成它自己的虚假评论。在第二阶段，AI 会进一步修正文本内容，相当于一个自定义过程，让评论匹配餐厅的具体信息（比如报菜名）。最后 AI 产生目标虚假评论。
为了测试AI写的评论可信度有多高，研究人员随机找了40个志愿者，让他们阅读 AI 为40家真实存在的餐厅写的5条虚假评论（志愿者事先不知道这是 AI 写的虚假评论）。研究人员让志愿者自己评定每条评论有多少参考价值，是否觉得是虚假评论。调查结果显示，AI 写的评论和真实人类消费者写的评论“几无差别”。作为对比，人类评论的有效评分为 3.28，而 AI 评论的有效评分则达到了3.15。
近年来，很多网站利用机器学习技术和人类审核员来发现和处理垃圾信息与虚假评论。这种方法目前开来还算有效，尤其是针对各种比赛活动，不少人会雇佣大量水军编写虚假评论。但研究人员警告称，现在看来这种方法根本不足以应对 AI 写的评论。研究人员也给出了应对 AI 评论的建议，那就是重点关注在训练 AI 中损失的信息。因为 AI 在编写评论时主要考虑语句的流畅度和可信度，这会导致其它方面的信息有所不足，比如语句间的逻辑关系、词语的分布状况、措辞等等。可以从这些方面寻找 AI 评论的破绽。但研究人员也指出，如果 AI 知道评论存在哪些错误后，它能自己消除掉这些漏洞。
研究人员在论文中还警醒人们，如果心术不端的人利用这种人工智能技术，可能就不仅仅是给餐厅、酒店写写虚假评论了，完全可以在 Facebook 这种大型社交网站或论坛上编写评论，影响舆论。因此研究者呼吁网络安全专家们合力开发出应对这种情况的软件工具。他们已经开始着手研发新技术，用于检测和删除 AI 生成的虚假文本信息。
评论 ( 20 )
想知道这家是不是拖着不发货的。。。有人买过的吗
觉得系统默认好评比好评更值得参考。买了不爽就会发牢骚，没好评也没差评，说明至少不差。有的人没评价习惯，但要是TA觉得亏了被骗了也一定会抱怨几句的。人就是这样，满足了忘记说好听的，不爽就会说难听的。
此回答适读于买卖双方，只做诚恳且中立的技术性回答。绝非战斗人员，打完就撤，求不喷。
淘宝上商品评价里的水军作品，其实在行内说的好听点就是评价维护和优化，通俗来说就是“刷单”，刷销量+评价。
而这种刷评价的行为几乎是每个店铺前期，甚至一直在做的事情。而宝贝上架后，最影响转化率的就是宝贝评价。
“十个差评毁了一个店铺”这种新闻也并不是危言耸听，而淘宝市场发展也衍生出大量靠差评勒索卖家的职业差评师。所以啊，评价对于一个店铺来说的重要性就不言而喻了。
那么如何判断淘宝上的商品评价是不是水军的作品呢？（卖家是如何做好店铺评价优化的呢？）以下几招，你看着拆：
一、特别细节的故事类评价
这类属于典型的评价优化，把评论写成故事，越细节的故事，用户越相信产品。（卖家参考p1，买家参考p2，自行学习和识别。）
二、“捧高踩低”式评价
这种很好理解，一般是被顶在前面的几个带图或者小视频的评论，描述之前买了什么低价的产品，后来发现有什么问题，现在重新买了这款，使用非常好，等等。
三、不同产品对比式评价
而是评论区出现多次的对比。
这是我之前买蓝牙音箱看到的评价。看看人家这个评价优化得，看出名堂了么？这招可以提升转化率20％。
我就是被这个评论忽悠，然后买了小鸟。。。
四、过多的晒图评价
我之前浏览过一个卖蒸脸器的商家，我在浏览他的店铺评价时，大概滑了5分钟，发现他的宝贝评价全都是晒图评价。。。
很显然，这种评价就是经过优化的。当然质量好的且适量的评价，对转化还是很有效果的。但谨劝商家，不要太夸张….我看着尴尬症都犯了（可能因为是行内人的原因）…..
当然以上只是针对普遍情况。
个人建议目前淘宝购物，看差评比去看好评更加靠谱，因为好评可以人为干预。
如果实在喜欢，价格合适，差评不要太多就买，尽量选择无理由退换+运费险就好。
最后回题，手机等数码产品参考以上。（手机最重要的不是看品牌和售后保障吗？）
溜了
揭露做淘宝刷单的真实内幕,本人亲身经历告诉你淘宝刷单真相随着淘宝、天猫、京东等各大网购商城的崛起，代之而生的淘宝刷单兼职可以说在网上的招聘广告比比皆是。点击几下鼠标、键盘，每天就能轻松的几百、几千大洋的高工资，面对这种颇具诱惑性的网上刷单、刷信誉兼职招聘广告，想必有不少在校学生、毕业学生、全职妈妈等人群都会怦然心动。
商家为什么要刷销量？通过“刷单”就是用模拟真实购物的方式，达到提高店铺和单品排名、等级、提高自己店铺和商品展现量的一种手段。刷单还能让更多买家在搜索的时候轻松找到商品或店铺，从而促成购物。说白了，如果某个商家刷单刷得多的话，那么他的商品就可以排到前面。而消费者作为客户，在搜索这个东西时，肯定会是第一眼能看到。对于很多商家而言，真实的生意做不了那么多，就要靠这些虚假刷单来完成。
这个问题我们已经研究了两年多的时间，并且开发了专门的应用软件去解决此问题。希望我们提供的以下方法，可以让广大消费者不再因为商家刷单而受到欺骗和伤害。
前面大家已经提到了很多应对刷单的方法，其中最简单好用的，应该就是看负面评价了。
不过，天猫的商品不分好评、中评、差评，怎样迅速找到负面评价呢？（注：天猫提供了按照负面印象词筛选评价的功能，但是只能找到带有此负面印象词的评价，并不全面，而且很多商品没有负面印象词。）
如果淘宝商品没有中差评，怎样迅速找到带有负面评价的好评呢？
好评有真有假，怎么判断好评可信不可信呢？
有没有什么简单好用的方法可以比较准确地判断这个商品有没有刷单或者好评返现呢？
下面，我们尝试用三章的篇幅来解答上述问题。前两章是方法篇，只告诉你怎么做，不解释为什么，保管你一看就会；第三章是理论篇，详细介绍通过互联网技术应对刷单的基本原理，献给勤学好问的你。
第一章 方法篇：在电脑上购物时，怎样判断商品有没有刷单，怎样迅速找到真实可信的负面评价？
使用以下方法需要安装专门的浏览器扩展插件。这是一种基于电脑浏览器的应用程序，在打开商品页面时会自动运行。下面介绍怎样安装这个扩展插件，让你的浏览器具备防刷单功能。
首先要到浏览器的扩展中心（或应用中心）下载一款叫做“防刷刷”的插件。 以360极速浏览器为例，首先点击右上角的菜单按钮，然后点击“工具”下面的“管理扩展”：
接下来，点击扩展页面最下方的“浏览一下360应用市场”或者“获取更多扩展程序”，就可以打开这个浏览器的扩展中心了，如下所示：
在这个扩展中心的右上角，搜索“防刷刷”，点击“安装”按钮，在弹出的窗口中点击“添加”，如下所示：
下面我们来回答前面提出的那几个问题：
1. 怎样判断这个商品有没有刷单或者好评返现的问题？
打开商品页面后，页面下方会自动显示如下所示的插件界面，其中左边的第二个圆圈就是用来显示商品评价的真实度的，只要低于70分，这个圆圈就会显示为深红色，这表示这个商品很可能有刷单或好评返现。
把鼠标挪到这个圆圈上，会显示判定为刷单或好评返现的依据等信息：
这种判断的准确性是比较高的，详细解释请参见第三章的说明。
2. 怎样迅速找到真实可信的负面评价？
无论是淘宝、天猫还是京东的商品，这个插件都可以通过人工智能技术迅速找到真实可信的负面评价。只需要把鼠标挪到“评价按真实性分类”那里，就会显示各种真实可信的评价了，点击下方的标签可以切换评价类别，如下所示：
这里把所有带有负面评论的评价都称之为真实可信的评价，分为三类：精选评论、中评和差评。其中，精选评论是既带有好评，又带有缺点描述的评价，这一类评价比较客观全面地介绍了商品的优点和缺点，是参考价值最高的一类评价。
3. 怎样判断好评的可信度？
在每条评价的下方，都会显示一个可信度的分析结果。每一条评价都会按照可信度进行分级，从高到低依次为“十分可信”、“九分可信”、……、“五分可信”、“有点可疑”、“十分可疑”。在可信度分级的后面还会加上详细的说明，如下所示：
如果是十分可信的评价，字体会显示为绿色，十分可疑的评价，字体显示为红色，其他评价则使用黑色字体。
第二章 方法篇：在手机上购物时，怎样判断商品有没有刷单，怎样迅速找到真实可信的负面评价？
在使用以下方法之前，需要先在手机上安装一款叫“防刷刷”的APP。这个APP目前只有安卓版，在各大安卓应用市场都可以下载。
还是回到前面提到的那三个问题：
1. 怎样判断商品有没有刷单或者好评返现的问题？
下面的介绍以淘宝为例。我们首先通过防刷刷APP首页进入淘宝，找到感兴趣的商品，查看商品评价，此时防刷刷会对评价的真实性进行分析，并在每条评价的下方显示分析的结果。
在评价分析页面的右下角，有两个图标，最下方的那个图标用于显示评价的真实度。如果这个图标的颜色是红色（真实度得分低于70分），就表示这个商品很可能有刷单或好评返现，如下所示：
2. 怎样迅速找到真实可信的负面评价？
点击页面下方的“评价按真实性分类”按钮，就能看到按照可信度排序的评价，排在前面的都是真实可信的负面评价。
这个应用具有保存历史精彩评价的功能，只要是这个APP分析过的商品，它都会把找到的比较可信的评价（精选评价、中评、差评）存起来。打开这个商品后，所有的历史精彩评价都会被提取出来，供用户参考。
3. 怎样判断好评的可信度？
这个APP会对每一个评价进行可信度分级，在每一条评价的下方会介绍可信度分析的结果说明，如下所示：
这个APP还有一项浏览器插件所不具备的功能，就是可以对商品评价按照多个指标进行排序，这样有助于更快找到真实可信的评价。排序按钮在页面上方，如下面的方框所示：
说明：
1）本应用软件仍为试用版，错误纰漏在所难免，如发现问题，欢迎批评指正；
2）Ios版的开发安排在android版定型之后，距离正式推出尚需时日，敬请期待。
第三章 理论篇：怎样借助互联网技术识别刷单，防止被商家刷单欺骗？
如果你看到了这里，说明你具有较强的长文阅读能力，而且对新鲜事物具有强烈的好奇心，不仅想知道是什么，而且想知道为什么。这一章，正是为你准备的。
在这里，我们不打算探讨枯燥的系统架构和人工智能算法，而是站在用户的角度，详细地介绍如何借助互联网技术识刷单、防刷单。
本章将会解答你的如下困惑：
1. 应用软件通过什么方法来识别刷单和好评返现，凭什么说这种方法是比较准确的？
2. 通过人工智能技术挑选出来的真实评价一定是真实的吗？
3. 与人类自身的直觉和经验相比，借助应用软件应对网络水军有哪些优势？
问题1：应用软件通过什么方法来识别刷单和好评返现？
首先需要说明的是，前面大家提到的所有用于鉴别刷单的方法，都可以通过应用软件去实现，然而在实践过程中，我们发现以下三种方法是最为准确的：
1. 如果两个人的评价多处文字完全相同，后发表的那个评价通常就是假的。
例如下面这两个评价，仔细看的话，就会发现它们有很多内容是完全一样的：
为什么会出现这样的现象？一般来说，这是抄袭导致的，也就是说，后发表评价的这个人抄袭了前面那个人的评价。
那会不会是巧合呢？如果只有一句两句完全相同，那可以解释为巧合，但是如果很多文字都相同，这就很难说是巧合了。几乎可以肯定地说，这就是复制粘贴造成的。在极少数情况下，双方可能同时引用了一段文字，也会导致上述现象，例如我们在分析当当的评论时，有时就发现两个人同时引用了书中同一段精彩的文字从而出现这种现象。
这种抄袭评价的行为又意味着什么呢？在这种情况下，刷单的可能性是比较大的，但也可能是好评返现（以及返礼品、返优惠券之类的），或者是买家自己打广告。
对于以上结论我们再详细解释一下。
大家可以想象一下，在什么情况下评价者会去抄别人的评价？一定是想发表评价，但是又不知道写什么好，或者懒得去想，这时才会产生抄袭的动机吧。
一般来说，只有以下几种情况，买家才会发表评价，否则通常都不评价：
第一，买家对商品或商家非常满意，忍不住要夸几句；
第二，买家对商品或商家不太满意，忍不住要吐槽；
第三，买家平时有评价的习惯，喜欢把自己的体验分享给大家，给其他购物者一些参考和帮助；
第四，发表评价有好处，例如好评返现、返礼品、返优惠券、刷单、帮别人打广告赚钱等等。
如果是前三种情况，买家本来就有话想说，自然不用去抄别人的评价；所以只要发生了抄袭，基本上可以断定这个人是为了某种好处，才会去写这个评价的。
由于买家是否发广告是很容易鉴别的，所以，如果这个评价不是广告，那么基本上（不是绝对，还有可能是巧合、捣乱、陷害、奇葩等特殊情况）就可以断定这个商品存在刷单或者好评返现、返礼品、返优惠券等引导好评的行为了，而这些做法都属于违规的评价造假行为。
事实上，刷单是极易导致上述现象的。因为刷单是虚假交易，刷手一般是拿不到商品实物的，可是他们为了获得佣金又不得不写评价。那这个评价怎么写呢？
最简单的写法，就是写一些很空洞无物的通用评价语，例如“最近太忙了，确认晚了”、“质量不错，服务好，下次还来”之类的，但是如果所有的评价都这样写，一看就知道是刷的。
第二种写法，就是参考商品描述和别人的评价，自己发挥想象力，原创一段评论。这个算比较敬业的做法，一般很难看出破绽来，但是比较费时费力；
为了省时省力多赚钱，很多刷手会采用第三种写法：伪原创。也就是把别人的评价拿过来，这边抄几句，那边抄几句，顺序变一变，内容改一改，于是就成了自己的评价了。
对于这种伪原创的评价，除非两个评价挨得特别近，而且抄袭的部分特别多，否则一般人是很难看出破绽来的，但是这对于软件来说，则是小菜一碟。
应用软件可以在很短的时间内把所有的评价一一进行对比分析，只要存在抄袭，很快就能检测出来，而且检测的评价越多，越容易发现问题。一旦发现抄袭，根据以上的分析，我们就有很大的把握认为，这个商品存在刷单或好评返现等评价造假行为。
这种检测比买家的主观判断更加高效和准确，是当前通过软件检测刷单等评价造假行为的基本方法。
2. 如果追评与初评的多处文字完全相同，这个评价多半是刷出来的。
请看下面这个评论，追评的内容和初评大致相同，如划线部分所示：
如果追评与初评内容差不多，那么为什么要追评呢？这通常是为了追评而追评，刷单的可能性非常大。
3. 如果两个买家晒的图片完全相同，后发表的那个评价很可能是刷出来的。
真实的买家秀，都是买家用自己的手机拍的，当然会各不相同。
可是为什么下面这两个不同的买家，晒出来的照片是一模一样的呢？
如果发现买家A晒出的图片与买家B完全相同，而且买家A发表评价的时间比买家B晚一些，说明至少买家A的评价很可能是刷出来的。这种情况下，买家B的评价造假的可能性也很大。商家通常会给刷手提供一些事先拍好的照片，如果不同的刷手使用了相同的照片，就会出现这种现象。
问题2：通过人工智能技术挑选出来的“真实评价”一定是真实的吗？
在第一章提到，应用软件可以通过人工智能技术把真实可信的评价挑选出来。这里所说的“真实评价”主要是指带有负面评论的评价，不仅包括中差评，还包括带有缺点描述的好评。
理论上来说，通过人工智能技术可以准确地挑出指出商品或商家缺点的评价，相对来说，是比较真实可信的，但是有以下例外：
1）有些差评未必是真实的，因为这些差评可能来自差评师或商家的竞争对手。
2）有些商家为了让评价显得比较真实，会暴露商品的一些不影响销售的小缺点，只要核心卖点没问题，用户依然会购买。这种评价也是很难通过人工智能识别的。
因此我们建议：
1）理性对待差评。且不说有的差评可能是假的，就算差评是真实买家给的，也不一定符合真实情况。有的差评出自苛刻挑剔的买家，实际情况可能并没有那么糟糕；也有可能真是遇到了次品，毕竟再强的品控也不能杜绝次品的产生，绝大多数商品也许并没有这种问题，所以对待差评要理性看待，结合商家的回复会对实际情况有更全面的了解。
2）如果看到不少评价虽然指出了商品的小缺点，但是缺点描述比较一致，而且对核心卖点大赞特赞，请注意，这些评价说不定也是刷出来的。
注：虽然理论上人工智能可以具备很精准的识别能力，但目前防刷刷仍是试用版，其人工智能算法还不完善，在识别真实评价方面有时会出现一些低级错误，因此对于该软件挑选出来的评价也要仔细鉴别。随着技术的提升，这个软件的识别准确率会逐步提升的。
问题3：与人类自身的直觉和经验相比，借助应用软件应对网络水军有哪些优势？
前面已经提到，通过应用软件可以高效而准确地识别典型的刷单和好评返现行为，其效率和准确性是我们人类的经验和直觉难以比拟的。
除此之外，在应对刷单方面，应用软件还有如下的“特异功能”，我们人类难以望其项背：
1. 超强的记忆力：它能把看到的所有真实评价都保存起来，还可以迅速提取。利用这一点，可以解决商家大量刷好评的问题。
应用软件可以记住任何它想记住的东西，例如它找到的真实评价就可以存起来，下次打开这个商品的时候自动就提取出来了。而且，张三用这个软件找到的真实评价，李四用这个软件也可以看到；李四用这个软件发现了新的真实评价，又会被软件存起来，然后王五就能看到张三和李四找到的所有真实评价了。
结果就是，使用这个软件的人越多，软件存储的真实评价就越多，人们通过软件看到的真实评价也越多。
利用应用软件的这个能力，可以很好地应对商家大量刷好评的问题。
商家刷单，不会一次只刷一两个，要刷就刷一批，否则没什么效果。一旦商家发现口碑开始变差，中差评纷纷涌现，就会采取刷单的方法把这些中差评挤到后面去。普通的买家，特别是用手机购物的买家，是没有耐心看很多评价的，一般只会翻翻前面的几十条评价，这样的话，很多负面评价是看不到的，于是买家就会误以为商品口碑很好，直到商品到手，才大呼上当。
通过软件，我们就能看到过去保存的真实评价，就用不着在一大堆真假难辨的评价中费力地查找少量的可信评价了。而且，商家可以在淘宝、天猫、京东等购物平台刷好评，却没办法在第三方软件上刷好评，所以任他们怎么刷，我们还是可以在第一时间看到真实可信的评价的。有了这些可信的评价，我们就能知道商品的优缺点是什么了，就不怕被水军欺骗了。
2. 超强记忆力的另一个表现：迅速查询商家的“刷单史”，让我们心里有数，提前防备。
刷单是容易上瘾的。商家在尝过一次刷单的甜头之后，以后难免还会再次刷单。所以，如果知道商家过去很可能有刷单或者好评返现行为，我们就可以提高警惕，不轻信那些吹得天花乱坠的好评了。
应用软件可以把那些十分可疑的评价存起来，如果发现这个商品以前有这样的可疑评价，就给买家提个醒，这样买家就会提高警惕，不轻信好评，于是就不容易上当了。
3. 超强的综合分析能力：综合各种因素，迅速对好评进行可信度分级。
如果我们自己去判断好评是真是假，基本上只能靠直觉和经验，就像前面有个高票答案说的：如果觉得大多数都不是你会去写的内容，那就可以怀疑了。
这样做虽然简便，但是误判的可能性比较大，而且判断的准确性和经验、能力、性格直接相关，网购经验不丰富的人、不善于思考和观察的人、草率粗心的人很容易把假好评当做真好评，从而上当受骗。
在这方面，应用软件也有它的优势：更客观，一切判断依靠客观数据；更全面，能考虑到方方面面的因素；更迅速，一眨眼的功夫就能完成所有评价的分析。
例如，对于好评可信度这个问题，应用软件考虑的因素包括但不限于：
1）这个网店过去有没有刷单的历史？如果很可能刷过一次，说明这家店很可能还会刷第二次，于是这个好评的可信度就会降低；
2）这个商品过去有没有刷单的历史？如果很可能刷过，那么现在看到的好评有可能也是刷出来的，可信度就会降低；
3）这个网店或者商品上一次被查出涉嫌刷单是什么时候？距离现在越近，对这个好评的可信度影响就越大；如果已经是很久以前的事情了，那就给这个好评多一点信任吧；
4）买家等级高不高？高等级的买家，刷单成本更高，评价的可信度就会提升；
5）追评时间长不长？追评时间越长，刷单难度越大，评价的可信度也会越高；如果是当天追评，就显得太着急了，可能是追评返现或刷单，可信度就会下降；
6）评价的内容是否空洞无物，千篇一律？如果是，评价的可信度就会降低，如果具体描述，那么可信度就会提升；
7）评价内容是否很夸张，很不自然，很像刷手的语言？如果是，可信度就会降低；
8）评价的字数有多长？如果很长，看起来就显得过于用心，可信度就会降低；
9）买家秀的图片有多少？如果太多，显得太用心，可信度就会降低；
10）好评中有没有缺点描述、意见建议？如果有，可信度就会提升；
11）这个买家近期发表过多少次评论？如果短期内多次发表评论，刷单的可能性增加，可信度就会降低；
12）这个好评是原创的还是伪原创的？如果是伪原创甚至完全抄袭的，可信度就会降低；
13）这个图片是原创的还是拷贝的？如果是拷贝的，可信度就会降低；
14）好评中是不是有广告？如果有，可信度就会降低；
15）追评是不是和初评相似？如果是，可信度就会降低；
16）这个商品的总体评价真实度高不高？如果不高，这条好评的可信度也会降低。
这些对我们人类来说非常繁琐的判断，对于应用软件来说，则是非常轻松的事情，即使是上百条评价，也能在1秒钟之内完成全部判断。
4. 超强的排序能力：通过各种排序，把真实可信的评价筛选出来。
如果商家刷了很多好评，我们想找到真实可信的评价就有一种大海捞针的感觉。这时，可以用到软件的另一项特殊能力：排序能力。
有时候我们心里也会进行一些简单的排序的，例如级别越高的用户，我们会觉得他说的话越可信；追评时间越长的评价，我们觉得越可信；字数越少的评价，看起来越可信等等。
但这种排序只能针对几条评价而言，面对大量的评价，我们是不可能去做什么排序的。
但是我们不能，应用软件却可以。
它可以按照买家级别、追评时间、字数、可信度、图片数量等等我们能想到的一切参数去进行排序，而且可以在瞬间完成，不存在出错的可能性。
说到按照追评时间排序，这里忍不住要给大家提个醒：如果追评的是好评，即使距离收货的时间很长，依然有可能是刷的。例如下面这个例子：
现在无论是商家还是购物者, 都很注重商品的销量和评论及相应评分. 理由我想大家都明白, 很少有购物者愿意吃螃蟹, 从没什么销量或者没有评论的商家处购买. 同时对于商家来说, 大量的销量和繁荣的评论能够极大的促进销量. 所以我认为商家或多或少都会和在评论上下功夫, 采用各种方式来获取评论, 比如 好评返现或者是赤裸裸地雇佣水军.
一定的评论对于潜在的购物者是有帮助的, 能够帮助购物者一定程度上了解卖家所卖商品的优缺点以及其他想关注的方面.但是过量评论, 却造成负担. 渐渐地, 评论除了展示商品销量, 没什么其他用途.
这里我认为存在信息过量的问题. 评论实在太多了, 根本无从看起. 这里我介绍一下我们开发的一个工具, 想利用人工智能, 机器学习的方式来解决评论问题. 名字叫”评论小助手”. 可以直接到下面的主页试用下:
评论小助手
先介绍一下我们主要想解决的问题:
无论是卖家还是买家都觉得评论对于商品的销量起着很大的作用. 所以商家会积极鼓励买家对商品进行评论, 其中包含正当或者不正当的手段. 由此造成热销商品有着大量的评论,对于现潜在用户来讲,漂亮的评论数据看起来很美, 基本上都是极高甚至是5星的好评. 但是产品真如评论分数所表示的那么好么? 想通过看看评论来考查商品, 却苦于评论太多, 而且真假难辨, 看起来很费时间.
我们的方法:
通过分析大量的用户评论, 我们发现虽然评论数量很多, 但对于用户有参考意义的并不是很多, 我们觉得可以通过机器学习的方式来过滤评论, 从而让用户可以更加容易的查看评论.
目前我们会过滤以下评论:
1. 评论不是针对商品的. 比如: 老板人很好, 快递不错等.
2. 重现评论很高的评论. 类似的评论在不同的产品反复出现的. 我们认为这些评论对于购买参考意义不是很大.
3. 疑似刷单的评论. 单从一个产品里可能无法看出来, 但我们考虑到刷单为了成本考虑, 会将类似的评论运用到其他产品. 所以将大量产品的评论放在一起通过大数据分析和机器学习来看的话, 可以发现一些规律.
同时我们还会对一些评论增加权重, 比如虽然打的是5星好评, 其实看内容却发现用户想表达的意见是差评.
根据我们的测试结果, 通过过滤后, 剩下的评论比例大约在2-3%之间.
工具使用方式:
说了这么多, 怎么用这个工具呢? 我们目前通过微信服务号的方式来提供服务, 小伙伴们只要将要查看的产品链接通过服务号来发送给我们, 我们就会将分析结果以消息的方式回复给你.
请注意: 由于现在还在刚起步阶段, 提供的服务比较有限.
1. 现在我们只支持分析京东上的服饰类产品, 其他类别的支持还在进行中
2. 由于分析产品涉及实时抓取评论, 所以会需要一些时间, 一般来说如果要查询的产品我们还没有分析过, 那么需要大约等待一分钟左右, 但你可以一次发送好几个需要分析的链接以缩减等待时间. 但如果要查询的产品我们已经分析过了, 那么恭喜你, 马上就能拿到结果:)
大家可以到我们主页的扫描二维码或者在公众号中搜索”评论小助手”来使用这个工具.
下面简单介绍下具体使用步骤:
最后, 谢谢你看到最后, 如果你觉得还不错, 欢迎试用和转发.当然更重要的, 如果你有什么意见, 可以在zhihu或者微信服务号留言.
我觉得很好判断啊，差评里清一色好评这不是水么，还有谁买个东西还写那么多字的，我买东西向来都懒得评论，也不会为了那返现的一两块刷评论，买到差的东西直接差评，无论客服怎么说也不会改
反正排在前面的基本上是刷的，我是买一次上当一次。。。。。。都不大敢在淘宝买了。现在逛淘宝真的要时间去甄别真假。一不小心就被吭。当然对质量没要求的话就随意买了
我觉得看到评论几十个字以上的都是水军了
现在几乎每个人在网络上选择去哪儿吃饭、看什么电影电视剧、买什么东西的时候，都会参考一下网上其他人的评论。
我们之所以想看这些评论、甚至相信它们，是因为我们潜意识的认为这是一条来自活生生的人的评论，是某个消费者购买服务后发自内心的真实反馈，就像你我一样。直到某天我们很受伤的遇到了水军（水军的小头目经常被人戏称为水师提督）。
但是，如果这些占领从购物网站到音乐平台等各种网站上的评论，既不是来自水军也不是来自恶意评论的顾客，而是来自 AI 呢？
美国芝加哥大学的一组研究人员就真的让人工智能客串了一回水军，而且效果惊人。
研究人员让 AI 给美国最大的点评网站 Yelp 写评论，不仅将 Yelp 自身搭建的检测水军评论的神经网络蒙了过去，连很多真实的消费者都给 AI 写的评论点赞，觉得很有用。他们最后将研究成果发表为一篇论文《Automated Crowdturfing Attacks and Defenses in Online Review Systems》（《网络评论领域中的自动化众包营销攻防研究》）。
论文地址：
http://~ravenben/publications/pdf/crowdturf-ccs17.pdf
研究人员在论文中写道，他们使用了深度学习中的循环神经网络（RNN）。利用大数据集，研究者们训练这种类型的 AI 后，它可以写出高质量的短评。AI 写的评论越长，似乎质量就越糟糕。不过在为 Yelp 写评论的试验中，短评正好是最理想的评论方式。
研究人员将 Yelp 上公开展示的顾客对餐厅的评论混合后输入 AI 模型，然后 AI 会用这些信息生成它自己的虚假评论。在第二阶段，AI 会进一步修正文本内容，相当于一个自定义过程，让评论匹配餐厅的具体信息（比如报菜名）。最后 AI 产生目标虚假评论。
为了测试AI写的评论可信度有多高，研究人员随机找了40个志愿者，让他们阅读 AI 为40家真实存在的餐厅写的5条虚假评论（志愿者事先不知道这是 AI 写的虚假评论）。研究人员让志愿者自己评定每条评论有多少参考价值，是否觉得是虚假评论。调查结果显示，AI 写的评论和真实人类消费者写的评论“几无差别”。作为对比，人类评论的有效评分为 3.28，而 AI 评论的有效评分则达到了3.15。
下面是对纽约同一家自助餐厅写的4条5星评论，你能猜出来哪个是人类写的哪个是AI写的吗？
答案在评论区，记得去看看你猜对了没有。
研究人员说，AI 生成的评论太好了，以至于把检测水军评论的机器学习系统都蒙了过去，甚至连人类也分辨不出这些是不是虚假评论。
近年来，很多网站利用机器学习技术和人类审核员来发现和处理垃圾信息与虚假评论。这种方法目前开来还算有效，尤其是针对各种比赛活动，不少人会雇佣大量水军编写虚假评论。但研究人员警告称，现在看来这种方法根本不足以应对 AI 写的评论。研究人员也给出了应对 AI 评论的建议，那就是重点关注在训练 AI 中损失的信息。因为 AI 在编写评论时主要考虑语句的流畅度和可信度，这会导致其它方面的信息有所不足，比如语句间的逻辑关系、词语的分布状况、措辞等等。可以从这些方面寻找 AI 评论的破绽。但研究人员也指出，如果 AI 知道评论存在哪些错误后，它能自己消除掉这些漏洞。
研究人员在论文中还警醒人们，如果心术不端的人利用这种人工智能技术，可能就不仅仅是给餐厅、酒店写写虚假评论了，完全可以在 Facebook 这种大型社交网站或论坛上编写评论，影响舆论。因此研究者呼吁网络安全专家们合力开发出应对这种情况的软件工具。他们已经开始着手研发新技术，用于检测和删除 AI 生成的虚假文本信息。
参考资料：
https://www./ai-fake-yelp-reviews/?sr_source=Twitter
https://obots-learned-how-to-write-fake-yelp-reviews-like-a-human/
买家ID：喜欢匿名评价，取名随意，爱用数字结尾。
等级：等级低，多半是一心或者两心的心级用户或者是天猫 T2 用户，购买过的店铺很少，但是每家都会一口气买五六件（基本没啥联系的商品）还全都给评价。
用词：风格各有不同，但智障气息惊人的相似。
重复式：非常客套且爱重复，经常能在同一页评论中看到很多重复的短句，比如：“质量非常好”“和图片一样”“真的是物美价廉”“很不错的一家店”“大家可以放心购买”。
浮夸式：这款鞋防滑减震包裹性好，才 59 块，穿去打球别人都以为我几千块买的（你觉得我会信吗）。
我一般通过以下几点判断。
1.问好评有没有红包，有的不买。
2.看追加评好论，如果大部分都是一两天以内基本是因为红包，不买。如果大部分追加好评都是数天甚至数月之后可以考虑。
3.不支持7天无理由不买。
4.看中差评，如果里面描述的内容能接受可以考虑。
我很少会抽出时间去写很多的评论。
通常我的评论基本不具有参考意义。
买家现在只有自己去认真分析，不要轻易相信好评。可以参考追评。
购买数码类产品直接去京东，旗舰店，官方网站购买就好了。根本就没必要分辨有没有水军。
数码类的水军广泛存在于各大论坛微博，在产品评论下的水军并没有那么多。从淘宝评价分辨水军至少对于电子产品来说，意义不是很大。
自己就是做手机这块的，2皇冠，不过是比较小众的复古机型，客户稳定，而且不存在什么爆款，刷好评没任何意义，所以卖家这方面不太了解，但我同时还是一个3钻的买家，买东西除了有点问题会说几句，其他的评价都没时间管，有时候统一好评就是，经常在买东西的时候要去分辨一下东西的评价，那些一眼假的评价就不说了，现在刷单的也专业很多，评价里编的故事很真实了，有时候也会捎带说几句不疼不痒小问题的话来掩盖托儿的属性，但多看些就能发现，同一个段子的不同部分被分段使用，一看就是复制的，还有，大段针对性评价过多，晒图过多，当然不排除好评有返钱的作用。我的经验是，店铺动态评分4.8以下就不要看了。只看不好的评价，差评是针对哪方面的，物品本身自己要是内行，然后在收到物品后尽快测试，发现问题，及时联系并保存证据。其实刷好评的店未必卖的东西差，我们的目的不就是买东西么。
我是一个四钻，即将五钻的卖家。
因为是副业的缘故，对店铺的成交看得没有那么重要，所以几乎不刷单（但是我要是说我一单都没刷，那我下面说的话可千万别信。）
看一下我店铺的评价后台的真实评价情况。
一页大概50条评价，我截图了两页。一百条评价里面，买家自己评价且写了评语的，只有三个。
买家自己评价且没有写评语的（显示此用户没有填写评价）大概四分之一。剩下的都是系统默认好评。
我自己在作为卖家的同时，也是一个买家。除非我买的东西遇到问题了，不然我基本不会再联系卖家，更别说评价了。如果卖家态度好，诚恳地帮我处理售后，我基本不会再去写不好的评语，如果卖家不处理售后，且产品质量不行，我会在评论中告诉其他买家建议不要购买。
至于品质好的情况下，它广告和描述中不都写着的吗？好难道不是正常的吗？当然，若是超出预想，且老板确实很好，大概会美言几句。
我只是一个个体，大概不能代表所有的买家。不过之前也咨询过很多身边的人，大部分也没有评价的习惯。
说这么多，是要说明我的店铺中出现的几乎都是自动评价的问题，别盲目相信那些几千几万条的好评。很多评语看一眼，就能够知道是不是水军写的。（也可能是职业嗅觉吧）
回过头来，那么，到底应该如何分辨评价是不是水军写的呢？
分几种情况。
一，销量只有几个，评价也有几个，且个个好评。
新产品，卖家为了增加曝光和流量，给其他买家以“你不是第一个吃螃蟹的，已经有其他人买了而且证明品质很好哟”的错觉。
（不排除有的卖家积累了一批粉丝或者老买家，为新产品做活动的情况。请自行分辨）
二，评价内容很官方，很全面，一种阿谀奉承的气息迎面扑来的，很大可能是水军写的。
很多写评语的，自己都没有用过这个产品，都不知道它的特征，当然只能写一些宽泛的哎呀物流很快啊，品质很好啊，正品啊什么的。
三，夸卖家好的，直接和卖家聊几句就能够验证出来了。虽然卖家好不能等同于品质好，但是卖家好，能够保证你可以得到应有的售前售后服务，购物时候更心安一些啊。
四，评价中出现同样内容的，类似描述的，甚至同款买家秀的，基本就是水军无疑了。
五，评价中评语和产品出入很大的，很可能是水军贴评语出错的。
六，评语中出现对话的，类似“安吉拉（时间）：xxxxx）很可能是复制对话的时候把对方名字和时间一起复制了。
七，如果电脑登陆的，可以看一下全部评价，有的店可能会经常看到同一个买家。或者同一个人买了很多东西而且每一个都评价了。或者是评价很集中的。。。
八，
噢噢，忘记打广告了。
淘宝店铺：慢的人杂货生活馆。
真正淘宝精明买家，会看价格、优惠券、评价数、退款率、中差评、淘客佣金比例、是否包邮、图片、买家问。根本不会去看好评的。
这个话题貌似是广告，是传播软件来的！
三步论：按时间排序，看发评论的买家信誉高不高，看有无对缺点的描述。
连是不是AI写的都区分不出来了…还想区分水军？
相关问答
在淘宝商品评价被误判广告而被屏蔽是一种怎么样的体验？
爬淘宝商品评论是不是最多只能到99页？100页和以后的评论有没有办法能爬到?
淘宝商品评价为什么跟问大家里面的购买人数不成比例？
为什么有些淘宝商品的评价个数比付款的人数还多？这是不是明显的刷评价？
什么情况下淘宝商品不能评价?
有没有什么可以识别淘宝商品评价真假的工具或应用？