昨天已經決定「AI 避雷探針」要分析哪些項目，其中有一項是：疑似罐頭評論／異常評論
今天要來仔細說明這個項目的目的。

評論異常特徵分析
也就是先觀察評論中有沒有一些值得注意的特徵，再提供給使用者參考。

為什麼不直接判斷真假？
評論本身可能受到很多因素影響。
例如，有些人本來就習慣只寫一句話：「很好吃，會再來。」
這不代表這則評論一定是假的。
同樣地，兩個人使用相似的詞語，也不代表一定是複製或刻意留下的評論。
另外，有些店家可能會提供小禮物或其他優惠，鼓勵顧客留下評論，甚至可能與5星評價有關。這種情況下，評論可能受到活動影響，因此在參考評論時可以多留意。
所以「AI 避雷探針」不會直接告訴使用者：「這是假評論。」
而是分析評論本身是否出現一些異常特徵。

目前預計觀察的特徵

1. 評論內容過短

例如：「很好。」「讚。」「推推。」
這類評論提供的實際體驗資訊比較少，因此可以標示為：資訊較少
但不直接代表評論不可信。

2. 缺乏實際體驗資訊

如果評論幾乎只有簡單的稱讚或負評，卻沒有描述實際消費或使用經驗，就可能比較難提供有效的參考資訊。
例如評論只有：「服務很好，東西很好吃。」
但沒有提到實際吃了什麼、服務哪裡好，或其他具體體驗。
這種評論雖然不能說是假的，但可以提醒使用者：缺乏具體體驗描述

3. 多則評論內容相似及過度制式化

如果同一家店有多則評論出現非常相似或固定的文字或句型，就可以列為值得注意的特徵。
例如：「東西很好吃，服務很好，下次會再來。」
「東西很好吃，服務很好，還會再來。」
如果出現大量類似內容，就可以提醒使用者進一步留意。

另外補充：可能影響評論的因素

「評論送贈品」或「評論送優惠」本身不代表評論異常，也不能直接代表評論是假的。
但如果評論中有提到這類活動，就可以把它當成一個可能影響評論的線索。
例如：評論送贈品
評論送優惠

最後怎麼呈現？

目前不希望直接顯示假評論
而是希望呈現成比較中性的結果，
例如：

• 評論異常特徵
• 部分評論內容較短
• 發現多則評論有相似描述
• 部分評論缺乏具體體驗資訊
  評論參考度：需要多留意
  這樣使用者可以看到 AI 發現了哪些特徵，再自己判斷這些評論是否值得參考。

和「評論參考度」的關係

昨天設計的「評論參考度」，也可以和今天的分析連在一起。
例如：
異常特徵較少
→ 評論包含較多具體資訊
→ 評論參考度可能較高
出現較多異常特徵
→ 評論可能缺乏具體資訊
→ 評論參考度可能需要多留意
不過這裡的「評論參考度」並不是在判斷評論真假，而是根據評論內容提供一個參考。

今天的學習

今天主要是在思考：
AI 到底能不能直接判斷一則評論是真是假？
與其讓 AI 做出過度肯定的判斷，我覺得比較適合先分析評論中可以觀察到的特徵。
先找出評論中的異常情況，再提供「評論參考度」給使用者參考。
這樣也比較符合「AI 避雷探針」的定位：提供資訊給使用者判斷，而不是直接替使用者下結論。