Краткое содержание

arXiv:2511.13658v1 Тип объявления: cross Аннотация: Обманные отзывы вводят потребителей в заблуждение, наносят ущерб бизнесу и подрывают доверие к онлайн-рынкам. Классификаторы на основе машинного обучения могут обучаться на больших объемах тренировочных данных, чтобы эффективно отличать обманные отзывы от настоящих. Однако определяющие признаки, которые изучают эти классификаторы, часто являются малозаметными, фрагментированными и трудными для интерпретации человеком. В данной работе мы исследуем использование больших языковых моделей (LLM) для перевода выученных машиной лексических сигналов в понятные для человека языковые явления, которые могут отличать обманные отзывы от подлинных. Мы показываем, что языковые явления, полученные таким способом, эмпирически обоснованы данными, обобщаемы для схожих доменов и обладают большей предсказательной силой, чем явления, либо изначально присутствующие в знаниях LLM, либо полученные с помощью обучения в контексте. Эти языковые явления обладают потенциалом для помощи людям в критической оценке достоверности онлайн-отзывов в реальной среде.