การเปรียบเทียบประสิทธิภาพการตรวจจับการทุจริตด้วยการเพิ่มชื่อเสียงบนเว็บไซต์การประมูลออนไลน์ระหว่างเอนโทรปีของ Shannon และนาอีฟเบย์

งานวิจัยนี้ศึกษา “การปั่นชื่อเสียง” ในเว็บประมูลออนไลน์ โดยทดลองใช้อัลกอริทึม Shannon’s Entropy และ Naïve Bayes พบว่าทั้งสองมีความแม่นยำใกล้เคียงกัน และการผสานกันอาจช่วยตรวจจับทุจริตได้มีประสิทธิภาพยิ่งขึ้น

บทความนี้ศึกษาการตรวจจับการทุจริตบนเว็บไซต์ประมูลออนไลน์ โดยเฉพาะการสร้างชื่อเสียงเกินจริง (Inflated Reputation) ซึ่งผู้ขายอาจใช้วิธีหลอกลวง เช่น ปลอมการประมูลหรือให้คะแนนกันเองเพื่อเพิ่มความน่าเชื่อถือ ปัญหานี้กระทบต่อความโปร่งใสและความยุติธรรมของระบบประมูลออนไลน์ งานวิจัยจึงมุ่งหาวิธีการที่มีประสิทธิภาพในการจำแนกผู้กระทำผิดออกจากผู้ใช้งานทั่วไป  

การวิจัยนี้เปรียบเทียบประสิทธิภาพของอัลกอริทึมสองแบบ ได้แก่ Shannon’s Entropy และ Naïve Bayes ในการตรวจจับพฤติกรรมการทุจริต โดยใช้ข้อมูลจากระบบประมูลออนไลน์ Ruten ที่ประกอบด้วยบัญชีผู้ใช้กว่า 900 บัญชีที่มีพฤติกรรมหลอกลวง และบัญชีปกติอีกจำนวนหนึ่ง ข้อมูลเหล่านี้ถูกนำมาวิเคราะห์ผ่านตัวชี้วัด เช่น ความหลากหลายของเพื่อนบ้าน (Neighbor Diversity) และโครงสร้างเครือข่าย เพื่อสร้างโมเดลการจำแนกผู้ทุจริต 

ผลการทดลอง พบว่า ทั้ง Shannon’s Entropy และ Naïve Bayes สามารถตรวจจับผู้ทุจริตได้ในระดับที่ใกล้เคียงกัน โดยมีค่าความแม่นยำ (Accuracy) ความครบถ้วน (Recall) และความแม่นยำจำเพาะ (Precision) อยู่ในเกณฑ์ดี แสดงให้เห็นว่าทั้งสองวิธีเหมาะสมในการนำมาใช้ในบริบทการประมูลออนไลน์ อย่างไรก็ตาม การเลือกใช้งานขึ้นอยู่กับเงื่อนไขของข้อมูลและทรัพยากรที่มีอยู่ งานวิจัยนี้จึงชี้ว่า การผสานแนวคิดจากทั้งสองวิธีอาจช่วยเสริมประสิทธิภาพการตรวจจับทุจริตได้ดียิ่งขึ้น