一种基于多因素动态阈值的时间序列分解恶意评分检测方法

本发明公开了一种基于多因素动态阈值的时间序列分解恶意评分检测方法，用于提高电商环境下恶意评分行为的检测准确率。方法包括以下步骤：首先，获取包含评分数值、评论文本及时间戳的原始数据，并进行数据预处理，包括缺失值填充、文本清洗及数值转换。其次，采用多尺度卷积提取局部文本特征，利用LSTM建模捕捉长期依赖关系，并结合注意力机制计算评论重要性权重及关键时间点特征，以增强特征表示能力。然后计算异常评分分数，包括评分离散度、内容相似性和时间偏差分数，最后，基于动态阈值机制判断评分异常性，阈值通过在线梯度下降算法计算，并结合评分行为特征进行动态优化。本发明可有效检测异常评分行为，提高恶意评分检测的稳定性和实时性，适用于智能农业电商平台的可信度管理。