一、背景

2019，CIKM 闲鱼垃圾评论。
我们先看看广告评论怎样越来越隐秘：

• 换个说法：使用不同的方式表达相同的意思，例如「拨打电话获得更多兼职信息」和「闲余时间挣点钱？联系我」，这两者都引导我们关注相同的兼职广告。
• 关键字替换：使用少见的中文字符、笔误，甚至表情符号替换关键字，例如「加我的 VX/V/WX」都表示加我的微信。
  这些小技巧很容易绕过机器，同时黑产又不断对抗，所以总是防不胜防，线上系统的过滤效果逐步降低。

二、整体框架

如何解决？—— 核心思想在于 上下文。把文本信息的上下文综合考虑进行，才能准备判断它到底是不是垃圾评论。

本文定义了两种上下文：局部上下文 和 全局上下文

• 局部上下文：这条评论的 user 特征、item 特征
• 全局上下文：当前评论在全局中的特征

整体框架如下：

• 左侧异构图（局部上下文），基于异构图GCN，得到 item (商品)、user (用户)、e (评论) 的 embedding (信息)
• 右侧同构图（全局上下文），基于 GCN，得到类似评论表达的意义
• 结合所有信息，进行分类（将传统的文本分类问题，抽象成异构图上的边分类问题）
  

2.1 Xianyu Graph（局部信息）

异构图：节点为 用户(U) 与 商品(I)，边(E) 表示用户对商品进行了评论

一般图卷积的层级可以分为聚合（aggregation）与结合（combination）两大操作。其中 AGG 会聚合邻近节点的嵌入向量，例如最大池化或基于注意力权重的加权和等。COMBINE 操作会结合自身的嵌入向量与前面聚合的嵌入向量。

而本文提出的 GAS 模型对异构图的学习，也是主要在这两个方面做改动：
GAS 中，聚合操作为：

• 相比GCN，除了将信息聚合到节点上，还将信息聚合到边上，包括对应边的信息、user节点信息和item节点信息，聚合方式为 concat

边的聚合：

user节点、item节点聚合：

• 理解：对于单个用户节点，输入就是邻近商品节点以及邻近评价边的特征。例如一个用户评论了 10 件商品，那么每一个商品向量拼接上对应评论向量，这 10 个特征向量就可以作为输入，后续图卷积就会对它们进行基于注意力机制的聚合等一系列操作。

聚合了邻居信息的 user/item 节点信息：

公式(7)是对于所有的邻居，进行简单的 attention 操作（向量内积）：

• 比如 与用户 u 相邻的共 5 个商品 5 条评论，则对于每个 商品-评论 embdding，与对应用户的 embedding 计算内积作为 attention 权重

GAS 中，combination 操作为：

• V 为训练参数
  伪代码如下：
  通过对异构图 Xianyu Graph 的学习，可以得到 评论边、用户节点、商品节点的 向量表示。
  
  

另外，该模型还结合了 textCNN，因为要获取评论的 embedding。首先将每个词利用 word2vec 得到每个词的表示，再将每个词的表示输入到 textCNN 中学习评论的 embedding。textCNN 与 GCN 进行联合的 end2end 训练。

2.2 comment graph（全局图）

上述异构图 Xianyu Graph 主要处理邻近节点的局部信息，但与此同时还应该能处理全局信息，这样才能有效地减轻用户的对抗行为。为此，模型应该站在所有评论的角度，看看与当前相似的评论都是什么样，它们是不是垃圾评论，即利用 GCN 的特性，“thefeatures of nodes can be smoothed by its neighbors”。

本文基于 Xianyu Graph 构建了一种新的 Comment Graph（相似评论图），它是一种同构图，每一个节点为评论内容，节点之间的边为两条评论之间的相似性。因为相似的评论距离非常近，因此模型可以考虑与当前评论相近的评论，从而更好地判断当前评论是不是垃圾评论。
由于是想利用邻居进行对当前节点特征进行平滑，故重点在于图的构造！图的构造中，最重要的在于，如何计算相似性，为了降低复杂度，使用 KNN Graph algorithm 进行相似度的计算，即找到最相似的 k 个邻居。（对 KNN Graph 算法感兴趣的可阅读论文：Efficient k-nearest neighbor graphconstruction for generic similarity measures.）
下图所示为一小部分 Comment Graph，如果说局部模型无法根据「add v」判断出意思是加微信，那么放在 Comment Graph 中就非常明确了，它与类似的说法都应该被判断为垃圾评论。
简单而言，Comment Graph 的构建主要分为四个步骤：

1. 去重：移除所有重复的评论；
2. 通过词嵌入模型为评论生成嵌入向量；
3. 利用 KNN Graph 算法获得相似的评论对；
4. 移除同一用户提出的评论对，或者发布在统一商品下的评论，因为之前的闲鱼 Graph 已经考虑了这些信息。
   利用 GCN 对 graph 进行学习，得到平滑后的 comment embedding。

通过这种方式，各种垃圾评论可以通过整合其邻居的特征而被平滑化。通过可视化以及实验结果可以看出，经过该处理后的特征更具有分离性（异常的评论更加异常，正常的评论更加正常），如图：

2.3 实验结果

对比实验：

• GBDT：为评论、用户、商品构造了大量人工特征
  • 评论长度、是否是该物品的第一个评论、是否是该物品的唯一评论、评论和物品特征的余弦相似度、物品价格、用户的评论数量等等。
  • 对于评论信息：通过 互信息（mutual information）筛选出词库中 top 200 重要的词汇，然后用 200 维的 ont-hot 向量表示一条评论
• TextCNN+MLP：
  • 评论信息：利用 TextCNN 学习评论表示
  • 然后与人工构造的商品特征和用户特征拼接，利用 2 层 MLP 进行分类
• GAS-local-1：
  • 仅使用异构图（Xianyu Graph），仅对一度邻居进行聚合
• GAS-local-2:
  • 仅使用异构图（Xianyu Graph），对二度邻居进行聚合
• GAS：
  • 本文提出的模型，Xianyu Graph + Comment Graph，对二度邻居进行聚合