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

本发明专利技术属于电子商务技术领域，公开了一种在线商品的信誉值计算方法、网络交易平台、计算机，包括：恶意评价检测、用户兴趣度评测、信誉值计算。本发明专利技术利用二相检测理论，检测到评价模型的轻微变化，可以处理恶意用户对所有商品进行恶意评价时的情况，同时也可以处理恶意用户仅对目标商品做出恶意评价时的情况。本发明专利技术通过比较目标项和用户评价项之间的相似性来确定不同用户评价的权重，能够更准确地反映出用户对目标商品感兴趣的程度和用户的可靠性。

A method for calculating the reputation value of an online commodity, a network trading platform, a computer

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请“一种基于用户诚实度的动态的Web服务信任评估方法”(申请号2012102796.4申请公布号CN102880637B)公开了一种基于用户诚实度的动态的Web服务信任评估方法，具体步骤是：首先根据用户对服务的要求，自动挖掘用户偏好；根据用户偏好划分相似用户群，在偏好相似用户群中进行评价一致性聚类，区分诚实用户与恶意用户，计算偏好相似用户群的用户诚实度，根据用户诚实度的变化，动态调整主观评价在综合信任计算中的权重，从而降低恶意评价对Web服务信任评估的影响，提高信任评估的准确性，更好地指导用户进行可信服务的选择。该专利申请存在的不足是：未考虑到如何处理恶意用户仅对目标商品，而不是对所有商品做出恶意评价时的情况，一旦恶意用户只对目标商品(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，此模型就无法感知评价模型的轻微变化，无法完整地对商品进行信誉值评估，从而可能误导用户进行错误的决策。中国科学院声学研究所提出的专利申请“一种信誉系统中的信誉计算方法”(申请号200710122393.3申请公布号CN10199683B)公开了一种信誉系统中的信誉计算方法，具体步骤是：节点i向需计算信誉的节点j的周围节点发送请求，询问周围节点对节点j的评价；周围节点返回评价；根据每个节点的偏离度和偏离度的可靠度，节点i修正评价节点给出的评价；节点i把自己与服务节点j的实际经验与修正后的评价节点的评价融合，计算出最后的信誉。该专利申请存在的不足是：该方法模型中并未考虑到如何确定不同节点(即不同用户)评价的权重，评价的权重能够反映出用户对目标商品感兴趣的程度和用户的可靠性。用户对服务的评价与其偏好有很大关系，如果不能够确定不同用户评价的权重，那么第三方的评价或客观能力可信度无法涵盖不同偏好的用户，从而产生误判现象。综上所述，现有技术存在的问题是：目前的信誉值技术方法存在未考虑到如何处理恶意用户仅对目标商品，而不是对所有商品做出恶意评价时的情况，；未考虑到如何确定不同节点评价的权重，评价的权重不能能够反映出用户对目标商品感兴趣的程度和用户的可靠性。
技术实现思路
针对现有技术存在的问题，本专利技术提供了一种在线商品的信誉值计算方法、网络交易平台、计算机。本专利技术是这样实现的，一种在线商品的信誉值计算方法，包括服务器进行恶意评价检测和用户兴趣度评测，最后综合恶意评价检测结果和用户兴趣度进行商品的信誉值计算。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(7)；(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，i表示除目标商品之外的商品，表示一组标签，θ表示中的某个标签，∑为加和符号，rel表示应用强度，范围0到1，0表示完全没有强度，1表示强度最大；(2)利用下式计算用户u的兴趣度du：其中，du表示用户的兴趣度，nc表示目标商品it的数目，表示用户u已经评价过的商品数目，∑表示加和符号，表示目标商品与除目标商品之外的商品之间的相似度，表示集合中的元素个数；步骤三，信誉值计算：(1)利用下式计算目标商品it的信誉值：其中，rep表示商品的信誉值，it表示目标商品，k表示第k组评价值，δ表示最近评价组中评价的权重，rel表示应用强度，表示删除了恶意用户的用户u的集合，du表示用户的兴趣度，表示用户u对于目标商品it的满意程度，范围在1到5之间，1表示非常不满意，5表示非常满意；(2)将目标商品it的信誉值返回给所请求的用户u。进一步，所述假设检验方法是指检验两个正态随机变量的总体方差是否相等的一种假设检验方法，表示第一自由度为1，第二自由度为n-1，置信度为α的检验值，可查F-分布表得到。进一步，所述s2和的具体计算方法如下：其中，s2表示样本方差，n表示评价值的组数，表示第k组中的第j个中间向量，表示中间向量的均值。进一步，所述Cj的对数似然比指的是：其中，和分别表示θ0和θ1下的概率密度函数，yj表示由参数θ的随机过程生成的一系列样本，N+为正整数符号。进一步，所述σ2的具体计算方法如下：其中，σ2表示中正态分布的方差，n表示评价值的组数，j表示评价值的本文档来自技高网...

【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