
北京时间6月23日上午消息,亚马逊将利用人工智能技术对抗虚假产品评论和评分,打击网购刷单行为。
亚马逊将部署一套全新的人工智能机器学习系统,因此,身份得到确认的消费者发表的评论将得到更高的权重,并将在更加突出的位置展示出来。而被其他用户标记为有用和及时的评论也将得到类似的待遇。
这套系统将把亚马逊认为精准的评论置顶,并使用这些评论来给商品评分。而之前的评分系统只是计算了所有评论的平均数,导致虚假评论对产品的整体评分产生了重大影响。
亚马逊对科技网站CNET表示,这套算法将于周五开始部署,初期的效果可能并不明显,但今后将会逐步改进。
用户评论已经成为网络购物诚信体系的基石:用户无法在购买之前亲自看到这些产品,因此,其他用户的评分和评价便成为了重要的参考信息。
这意味着营销人员必须不遗余力地影响评分,尤其是当产品在某个网站上架的初期。他们会发布虚假评论,并雇人刷单。这种行为在各大电子商务网站已经蔚然成风,而作为全球最大的网络零售商之一,亚马逊自然成为了重要目标。
事实上,刷单行为并不仅限于网络零售商。TripAdvisor和其他旅行网站同样受到这类行为的重大影响。
TripAdvisor英国高管詹姆斯·凯(James Kay)说:“我们拥有一整个团队来处理虚假评论问题,还使用了自动化系统和专门的团队来评估用户的评价,过滤虚假内容。”
为了赢得用户信任,越来越多的网站还是通过更加智能的系统处理用户评论,避免这一渠道遭到滥用。
亚马逊的这套人工智能系统将获得竞争对手和开发者的密切关注,倘若能够起到效果,便有望对刷单构成打击。
好文章,需要你的鼓励
AWS AI Labs研究团队发布EvalAgent,这是一套通过"评估技能"自动生成AI智能体评测方案的系统,将首次运行成功率从17.5%提升至65%,并在人类专家评测中获得79.5%的偏好选择。
亚历山大大学提出M2Retinexformer,通过融合深度、亮度和语义三种辅助模态,让AI在增强暗光图像时兼顾几何结构与视觉自然度。
浙大、西湖大学等联合提出FAAST,无需反向传播,一次正向扫描将训练样本压缩为快速权重矩阵,推理时间和内存占用分别节省90%和95%以上。
慕尼黑工业大学发布RealICU基准,用专家后见之明评测大语言模型在ICU实时决策中的真实能力,发现现有顶级AI存在有害推荐率过高和锚定偏差两大安全隐患。