Sistema de detección automática de reseñas generadas artificialmente mediante aprendizaje automático

Abstract

En la actualidad, millones de usuarios realizan compras en sitios web de comercio electrónico. No obstante, persiste el mismo problema: ¿qué producto comprar? En las plataformas más conocidas, se presentan decenas o incluso cientos de opciones diferentes. Una forma de facilitar la decisión es considerar la experiencia de otros usuarios con dicho producto, es decir, las reseñas publicadas por los compradores. Sin embargo, mientras las consultan, los usuarios se plantean preguntas como: ¿es esta reseña auténtica?, ¿el usuario que la escribió realmente compró el producto?, o ¿ha sido escrita por una persona o por una máquina?

Este trabajo se centra en dar solución a dicho problema: aclarar si las reseñas han sido realmente escritas por usuarios verificados que han comprado el producto, o si han sido generadas por usuarios con intenciones maliciosas o incluso por bots automatizados. El proyecto se ha centrado en Amazon, una de las principales plataformas de comercio electrónico. Se analizan las reseñas mediante el desarrollo de un modelo de Machine Learning (ML) entrenado previamente, el cual aplicará procesamiento de lenguaje natural a las reseñas y las clasificará como posibles reseñas SPAM o legítimas, junto con las probabilidades asociadas a dicho resultado.

Today, millions of users make purchases on e-commerce websites. However, the same issue always arises: which product should they choose? On the most popular platforms, users are presented with dozens or even hundreds of different options. One way to facilitate decision-making is to consider the experiences of other users with a given product, namely, the reviews posted by previous buyers. However, while reading them, users often wonder: is this review authentic? Did the user who wrote it actually purchase the product? Was it written by a real person or generated by a machine? This work focuses on addressing that issue: determining whether reviews were genuinely written by verified users who bought the product, or whether they were generated by malicious actors or even automated bots. The project focuses on Amazon, one of the leading e-commerce platforms. Reviews are analyzed through a pre-trained Machine Learning (ML) model that applies Natural Language Processing techniques and classifies reviews as either potential SPAM or legitimate, along with associated probabilities.