Un algoritmo contro il falso collettivo

Un algoritmo contro il falso collettivo

Per orientare l'opinione online servono grandi numeri. E organizzazione. Elementi che tradiscono la natura fraudolenta delle false recensioni, che si potrebbero sgominare con un algoritmo. Google non resta a guardare
Per orientare l'opinione online servono grandi numeri. E organizzazione. Elementi che tradiscono la natura fraudolenta delle false recensioni, che si potrebbero sgominare con un algoritmo. Google non resta a guardare

I recensori prezzolati agiscono in drappelli, sciamano sui servizi di recensioni secondo gli ordini delle agenzie dalle quali sono assoldati per promuovere o affossare i prodotti. Oppure si tratta di singoli individui che si manifestano online con numerose identità, pronti a supportare una causa che possa orientare il sentimento dei netizen nei confronti di prodotti o servizi. Sulla base di questo assunto sono state analizzate le dinamiche della creazione artificiosa della reputazione, per condensarle in un algoritmo capace di smistare valutazioni autentiche e valutazioni postate per influenzare l’opinione dei consumatori della rete.

Lo studio , pronto ad essere presentato presso la World Wide Web 2012 conference di Lione e condotto da ricercatori dell’Università dell’Illinois in collaborazione con la manager di Google Shopping Natalie Glance , si è appunto concentrato sugli opinionisti spammatori che lavorano in gruppo o agiscono come fossero un gruppo : numerose identità che si esprimono in maniera compatta sono influenti per i lettori delle recensioni, ma presentano altresì tratti di omogeneità che rendono più facile il compito di individuare i falsi, e di neutralizzarli .

Per distillare un algoritmo capace di individuare i gruppi di false recensioni, i ricercatori hanno reclutato otto esperti che lavorano per servizi che ospitano le recensioni degli utenti. A questi esperti sono state sottoposti 2431 presunti gruppi di recensioni, affinché fossero classificati come spam, come autentici e come casi dubbi. Da questa analisi sono stati tratti degli indicatori in grado di suggerire la coesione dei gruppi di commenti, e di rilevare dunque la possibile natura truffaldina delle opinioni postate.

Nello studio emerge che lo spamming di gruppo, condotto dunque da falangi organizzate di recensori prezzolati o da individui che nascondono il proprio intento sotto torme di identità differenti, si manifesta in determinati intervalli di tempo (il periodo necessario per raggiungere l’obiettivo per cui si è stati assunti), e solitamente in anticipo rispetto alle recensioni autentiche, così da ottenere un impatto maggiore e da influenzare eventualmente i successivi recensori.

Ma non sono solo gli indicatori temporali a rivelare la natura collettiva dello spam. I ricercatori segnalano che un parametro importante per rilevare un gruppo di falsi recensori è analizzare quanto le valutazioni espresse si differenzino dai rating espressi dagli utenti ordinari. È inoltre probabile che le recensioni fasulle si somiglino , frutto di copiaincolla per ottimizzare i tempi di lavoro: le analogie possono essere rilevate all’interno di un gruppo di recensioni per un determinato prodotto, ma anche fra recensioni di diversi prodotti postate dal singolo individuo.

Di determinante importanza è anche soppesare la dimensione del presunto gruppo di falsi recensori , confrontarla con il numero totale delle opinioni, cercare di individuare su quali e quanti prodotti agisce la collettività spammante.

Sulla base di questi parametri volti a classificare i gruppi, combinati con gli indicatori che fanno emergere il sospetto nei confronti di una singola identità spammante, i ricercatori hanno elaborato un algoritmo, denominato Group Spam Rank (GSRank). Secondo gli autori della ricerca GSRank permetterebbe di smascherare con più efficacia i tentativi organizzati di orientare l’opinione dei consumatori della Rete. E se è vero che da anni la reputazione online dei prodotti è un elemento determinante per le abitudini di consumo, sono sempre più numerosi gli studi volti ad elaborare sistemi capaci di sbugiardare le recensioni inquinanti. Non è un caso che Google abbia supportato e partecipato a questa ricerca mirata all’elaborazione dell’algoritmo GSRank: una volta affinato, numerose potrebbero essere le ipotesi di implementazione, dal marketplace per applicazioni Google Play, passando per le recensioni dei prodotti raccolte da Google Shopping e di quelle dedicate alle attività commerciali localizzate.

Gaia Bottà

Link copiato negli appunti

Ti potrebbe interessare

Pubblicato il 17 apr 2012
Link copiato negli appunti