在线购物者未来可能会遇到更少误导性的虚假评论，这得益于东伦敦大学研究人员正在测试的一套全新AI驱动检测系统。

虚假评论正成为消费者和电商平台面临的突出难题，尤其是在AI生成内容迅速增加的背景下。来自皇家码头商学院的研究人员指出，这类误导性评论不仅会扭曲市场竞争、削弱用户对在线平台的信任，还可能诱导消费者购买质量低劣甚至存在安全隐患的产品。

这套新系统将AI语言分析与多种行为线索结合起来，例如：评论的情绪倾向是否与星级评分匹配、评论字数长短，以及其他与可疑行为相关的模式。研究团队表示，这种“语言 + 行为”的组合，使模型能够更全面地判断一条评论究竟是真实反馈还是带有欺骗性。

相关成果已发表在期刊《金融科技与可持续创新》上。论文介绍了一种面向亚马逊、Yelp等平台的“混合融合”模型，专门用于识别欺诈性评论。

与以往主要依赖关键词或简单规则的检测系统不同，这一新方法更强调对文本背后含义和语境的理解能力。这让模型能够识别出那些在普通购物者眼中看起来十分自然、甚至颇具说服力的虚假评论。

在实验测试中，该模型在亚马逊评论数据集上的识别准确率达到93%，在Yelp评论数据集上的准确率为91%，整体表现优于研究中对比的多种传统检测方法。

论文合著者希沙姆·阿布格拉德（Hisham AbuGhrad）博士表示：“虚假评论正变得愈发复杂，也更难以察觉。我们的研究表明，将AI的语言理解能力与行为信号结合，可以提供一种更可靠的方式来识别误导性评论，从而帮助重建和提升用户对在线市场的信任。”

另一位合著者菲扎·里亚兹（Faiza Riaz）补充说：“这项研究显示，AI系统的能力已经不再局限于简单标记可疑词汇。通过同时考察语境和行为特征，模型能够更有效地捕捉与欺骗性评论相关的模式，同时为真实的用户反馈提供支持。”

论文指出，下一阶段的研究将重点放在利用更大规模、更多样化的数据集进一步优化系统表现，并探索采用更新一代的AI模型。同时，团队还计划研究如何将这项技术部署到大型电商平台中，实现对评论的实时监测与识别。