The invention belongs to the field of e-commerce technology, and discloses an online commodity reputation value calculation method, a network transaction platform and a computer, including malicious evaluation detection, user interest degree evaluation and reputation value calculation. The invention detects the slight change of the evaluation model by using the two-phase detection theory, and can handle malicious users' malicious evaluation of all commodities, and also can handle malicious users' malicious evaluation of target products only. By comparing the similarity between target items and user evaluation items, the invention determines the weight of different user evaluations, which can more accurately reflect the degree of user interest in target products and the reliability of users.
【技术实现步骤摘要】
一种在线商品的信誉值计算方法、网络交易平台、计算机
本专利技术属于电子商务
,尤其涉及一种在线商品的信誉值计算方法、网络交易平台、计算机。
技术介绍
随着电子商务(eBay,亚马逊,淘宝,Youtube,Netflix等网络交易平台)的蓬勃发展,根据电子商务基金会的报告,在全球大部分地区超过一半使用互联网的人群都有在线购物的经验。电子商务有很大的潜力推动经济发展,给人们的日常生活带来便利。随着网络交易平台提供越来越多的商品和服务,消费者的选择范围也越来越大。但与此同时,出现以利益为导向的卖家提供假冒商品。出于经济利益的驱使,大量的卖家愿意给自己的产品异常高的评价,而对他们竞争对手商品的评价却很低;不正常的评价被称为恶意评价,那些给予恶意评价的人被称为攻击者。当攻击者对各种各样的商品进行恶意评价时,服务端很容易根据他们的评价历史和现有的工作来确定他们的可信度,可以有效地检测他们的恶意评价。一旦攻击者只对目标商品(或一小组目标商品)提供恶意评价,而对其他商品只给出正常评价时,就需要有另外的解决方法。当恶意评价是密集型时,意味着在短时间内可以很快地给出目标商品信誉值的大量评价。由于评价数据对所有人都开放,攻击者可以监控评价数据,并给出恶意评价。使得攻击者有可能操纵恶意评价的分布来遵循任何模式,其中最坏的情况是恶意评价在所有评价之间均匀分布。如何确定不同用户评价的权重;权重反映了用户的可靠性。但是不同的用户可以有不同的偏好,一个用户的兴趣通常集中在一些主题或类别上,而不是分散在所有的商品上;评价的权重应该反映出用户对目标商品感兴趣的程度。东南大学提出的专利申 ...
【技术保护点】
一种在线商品的信誉值计算方法,其特征在于,所述在线商品的信誉值计算方法包括以下步骤:步骤一,恶意评价检测:(1)服务器在收到用户要求计算目标商品it信誉值的请求时,将收集到关于目标商品it的评价值按时间顺序进行排列,每n个评价值为一组;(2)将第k组的评价值表示为
【技术特征摘要】
1.一种在线商品的信誉值计算方法,其特征在于,所述在线商品的信誉值计算方法包括以下步骤:步骤一,恶意评价检测:(1)服务器在收到用户要求计算目标商品it信誉值的请求时,将收集到关于目标商品it的评价值按时间顺序进行排列,每n个评价值为一组;(2)将第k组的评价值表示为其中,表示第k组中的第j个评价值,n表示评价值的组数;(3)将给出评价值的用户集表示为其中,表示给出评价值的用户集,表示给出评价值的用户;(4)构造中间向量其中,表示中间向量,表示第k组中的第j个评价值,μk-1表示删除恶意评价之后第(k-1)组中评价的平均值,当k=1时,μ0表示第一个分组中评价值的平均值,N+为正整数符号;(5)利用下式检测中是否存在恶意评价:其中,n表示评价值的组数,表示中间向量的均值,s2表示样本方差,表示假设检验方法,若不等式成立,则中存在恶意评价,执行(6),反之,则中不存在恶意评价,执行步骤(8);(6)利用下式计算的均值其中,表示的均值,表示中的评价均值,μk-1表示删除恶意评价之后第(k-1)组中评价的平均值;(7)利用下式计算对数似然比Cj:其中,Cj表示第j个评价值的对数似然比,C0=0,表示的均值,σ2表示中正态分布的方差,表示第k组中的第j个中间向量,表示中间向量的均值;当Cj≥0.8时,被判定为异常值,被判定为恶意评价,被判定为恶意用户,并将其从中删除,得到对应第k个评价值分组的正常用户集合执行步骤二;(8)若(5)检测中不存在恶意评价,则步骤二,用户兴趣度评测:(1)利用下式计算相似度其中,表示目标商品与除目标商品之外的商品之间的相似度,it表示目标商品...
【专利技术属性】
技术研发人员:裴庆祺,张潘頔,马立川,李子,
申请(专利权)人:西安电子科技大学,
类型:发明
国别省市:陕西,61
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。