Software spürt trügerische Bewertungen auf

Kundenbewertungen stellen vielfach eine entscheidende Messgröße zur Beurteilung der Qualität eines Dienstes dar. Entsprechend groß ist die Versuchung für Anbieter, sich mit selbst verfassten Bewertungen ins rechte Licht zu rücken.

In Pocket speichern vorlesen Druckansicht 97 Kommentare lesen
Lesezeit: 2 Min.
Von
  • Johannes Haupt

Wissenschaftler der US-amerikanischen Cornell University haben einen Algorithmus entwickelt, der in einem Feldversuch betrügerische Online-Bewertungen mit einer Wahrscheinlichkeit von knapp 90 Prozent identifizieren konnte. Dazu arbeiteten die Forscher zunächst typische Unterscheidungsmerkmale zwischen echten und falschen Berichten heraus.

Eine sprachliche Analyse von Hotelbewertungen ergab, dass wahre Berichte mehr ins Detail gehen und konkrete Begriffe im Zusammenhang mit dem Bewertungsobjekt benutzen, etwa "Bad", "Check-In" und "Preis". In falschen Bewertungen finden sich mehr Begriffe zur Beschreibung des Rahmens, zum Beispiel "Urlaub", "Geschäftsreise" oder "mein Ehemann". Ehrliche Bewerter benutzen mehr Substantive, Betrüger eher Verben. Differenzen gibt es außerdem bei der Länge der genutzten Wörter und bei Satzzeichen.

Die Wissenschaftler analysierten mit einer nach den entdeckten Regeln programmierten Software insgesamt 800 Bewertungen von Hotels in Chicago, von denen je 400 Beurteilungen echt und gefälscht waren. Mit einer Genauigkeit von 89,8 Prozent konnte das Programm die Authentizität eines Textes bestimmen. Eine menschliche Versuchsgruppe konnten falsche Bewertungen dagegen nicht signifikant häufiger erkennen, als es nach zufälliger Verteilung der Fall wäre.

Menschen haben gemäß den Forschern generell ein Problem mit dem Erkennen falscher Bewertungen. Normalerweise seien sie zu gutgläubig; würden Nutzer jedoch explizit auf mögliche Betrügereien achten, würden sie überskeptisch und kennzeichneten auch viele authentische Texte als konstruiert. Die auf Hotelbewertungen in Chicago programmierte Software soll nun um andere Anwendungsgebiete erweitert werden. Die Wissenschaftler hoffen, dass der Algorithmus später einmal als Vorabfilter für Bewertungsportale zum Einsatz kommen kann. (jh)