Online recensies die door een robot zijn gemaakt kunnen nu snel opgespoord en verwijderd worden, dankzij een algoritme van de Finse Aalto-universiteit (Aalto-yliopisto).

'Goeie plek voor de locals. Ik raad de steak special aan als je hier bent!' Een hartelijke aanbeveling op recensiewebsite Yelp, niks mis mee. Maar schijn bedriegt: deze tekst komt van een robot, die nog nooit heeft gegeten bij het restaurant.

Online-recensies spelen een steeds belangrijker rol bij het kiezen van een restaurant, attractiepark of ander vertier. Gebruikers laten na bezoek een bespreking achter en geven op sites als Yelp, Iens of Google een aantal sterren. Het is een systeem dat makkelijk misbruikt kan worden: kwaadwillenden kunnen de concurrent veel slechte recensies geven via valse e-mailadressen, terwijl eigenaren zelf positieve recensies achter kunnen laten. En dat kan volautomatisch: je kan websites betalen om goede recensies achter te laten, die door een computer gemaakt worden.

Die neprecensies waren tot nu toe echter niet altijd even goed. Klungelige zinnen of fouten over de sfeer, prijs of het menu komen veel voor. Om het te verbeteren bouwden de onderzoekers van de Aalto-universiteit een algoritme dat leerde om levensechte beoordelingen achter te laten voor restaurants. Ze lieten een softwareprogramma een heleboel restaurantrecensies lezen om te laten leren hoe een online recensie er uit hoort te zien. Uit die informatie kan een programma nieuwe recensies maken, toegespitst op een specifiek restaurant. Doordat het algoritme van menselijke taal leerde, lijkt het resultaat ook menselijk.

 

Context

Dat alleen was echter niet genoeg: uit eerder onderzoek bleek dat een algoritme dat zo getraind wordt weliswaar goede besprekingen oplevert, maar snel door de mand valt. Het noemt bijvoorbeeld verkeerde locaties van een restaurantketen. Om dat op te lossen, programmeerden de onderzoekers het algoritme zo dat het kennis over locatie, naam en de huidige score van het restaurant meenam. Dat geeft het programma context, waardoor het minder fouten maakt.

Het algoritme bouwt zinnen op met de woorden die het meest waarschijnlijk zijn in de context. Dus na een zinsnede als 'I recommend' weet het programma dat er een naam van een menu-item moet komen. De info over het menu haalt het programma bijvoorbeeld van de website van het restaurant. Dat klinkt simpel, maar het is lastig om écht menselijk over te komen. De online-recensies van mensen zijn onvoorspelbaarder, en een slecht gemaakte robotrecensie valt meteen op. Om hem echt menselijk te maken moest het programma dus leren hoe mensen praten en weten welke zinsdelen wel en niet bij elkaar passen, om het niet alleen grammaticaal juiste zinnen te maken, maar ook echt een menselijke toon aan te slaan.

Een testpanel herkende in 60 % van de gevallen de robotrecensies niet als zodanig, en dacht dus dat het authentieke beoordelingen waren.

 

Opsporing

Eigenaren kunnen dit algoritme natuurlijk gebruiken om vals te spelen door hun online waardering op te vijzelen. Maar de onderzoekers denken juist dat hun robot kan helpen om neprecensies op te sporen, door het proces om te keren. Als je weet hoe ze gemaakt worden, kun je immers ook naar specifieke signalen van fraude kijken. De onderzoekers schreven een programmaatje dat zoekt naar tekenen dat een programma de recensie schreef, en zo mogelijk valse besprekingen ontdekt.

Of dat in de praktijk ook zal werken, is de vraag. Ook is het tot nu toe onduidelijk hoeveel online recensies eigenlijk nep zijn. Bovendien is het voor een restauranteigenaar die misschien niet het geld of de kennis heeft om een kunstmatig intelligent programma te gebruiken, makkelijker om zijn personeel te vragen om positieve recensies te plaatsen. Wel menselijk, maar nog steeds oneerlijk.

Beeld: RestaurantAnticaRoma