一种基于不一致用户评价准则的在线服务信誉度量方法
阅读：1017发布：2020-05-30
专利汇可以提供一种基于不一致用户评价准则的在线服务信誉度量方法专利检索，专利查询，专利分析的服务。并且本 发明 涉及一种基于不一致用户评价准则的在线服务信誉度量方法，属于 在线信誉 度量及在线服务领域。本发明首先从用户‑服务评分矩阵建立用户对服务的偏好关系，并将其表达为偏好关系矩阵；然后计算用户偏好关系之间的一致性；最后寻找具有最大偏好关系一致性的用户并将其评分作为服务信誉。本发明体现了用户评价准则不一致的内在特征和信誉可比较性管理的潜在需求；易于理解的用户偏好关系一致性评价准则为用户评价准则不一致时的服务信誉度量提供了一种新的建模手段和计算方法；同时，通过考虑用户对不同服务评分之间的关系，为提高信誉度量方法的防操纵能 力 提供了一种新的思路。，下面是一种基于不一致用户评价准则的在线服务信誉度量方法专利的具体信息内容。
1.一种基于不一致用户评价准则的在线服务信誉度量方法，其特征在于：首先从用户-服务评分矩阵建立用户对服务的偏好关系，并将其表达为偏好关系矩阵；然后计算用户偏好关系之间的一致性；最后寻找具有最大偏好关系一致性的用户并将其评分作为服务信誉；
所述方法的具体步骤如下：
Step1、从用户-服务评分矩阵建立用户对服务的偏好关系，并将其表达为偏好关系矩阵
Step1.1、设用户集合为U＝{u1,u2,…,um}，服务集合为S＝{s1,s2,…,sn}，用户-服务评分矩阵为R＝[rij]m×n，基于评分矩阵R建立用户ui∈U对服务sj,sk∈S(j,k＝1,2,…,n)的偏好关系pi(sj,sk)：
其中，rij(i＝1,2,…,m,j＝1,2,…,n)为第i个用户ui对第j个服务sj的评分，表示用户ui对服务sj表现的满意程度，rij越大则ui对sj越满意； 表示用户ui认为服务sj优于sk，表示用户ui认为服务sk优于sj，sj～isk表示用户ui认为服务sj和sk无区别；
Step1.2、记用户ui的偏好集为Pi＝{p(sj,sk)|j,k＝1,2,…,n}，并将其表达为偏好关系矩阵PMi＝[pmjk]n×n；其中：
Step2、计算用户偏好关系之间的一致性
Step2.1、计算矩阵SUBil＝[sub]n×n＝PMi-PMl(i,l＝1,2,…,m)，统计SUB中为0的元素个数，得到c(ui,ul)；c(ui,ul)定义为用户ui，ul∈U(i,l＝1,2,…,m)偏好关系之间的一致性，表示用户ui，ul的偏好集Pi、Pl中相同的偏好关系数量：
其中， 为用户ui，ul∈U(i,l＝1,2,…,m)对服务sj,sk∈S(j,k＝1,2,…,n)的偏好一致性：
根据公式(1)和公式(4)，SUBil中值为0的元素表示pi(sj,sk)＝pl(sj,sk)且Step2.2、根据统计SUB中为0的元素个数可得到公式(3)定义的c(ui,ul)；c(ui,ul)越大则ui，ul之间的偏好关系越一致；将所有ui，ul∈U(i,l＝1,2,…,m)的c(ui,ul)构成偏好关系一致性矩阵CM＝[c(ui,ul)]m×m；
Step2.3、对CM的每一行求和得到偏好关系一致性向量C＝C(ui)，其中i＝1,2,…,m；C(ui)定义为用户ui∈U与其他所有用户ul之间的偏好关系一致性之和，表示ui的偏好集Pi与其他所有用户偏好集中相同的偏好关系数量：
Step3、寻找具有最大偏好关系一致性的用户并将其评分作为服务信誉
Step3.1、寻找与所有用户ui∈U(i＝1,2,…,m)之间偏好关系一致性最大的用户集合u*：
如果集合U*中的用户个数|U*|>1并且|U*|≠|U|，则将U赋值为U*，从步骤Step2开始重新计算ui∈U中C(ui)最大的服务，直到|U*|＝|U|，满足|U*|不能降低为止：如果|U*|>1，取任意* * * *
ui∈U(i＝1,2,…,|U|)作为u ，u为所有用户中与其他用户偏好关系最一致的用户；如果|U*|＝1，取ui∈U*(i＝1,2,…,|U*|)作为u*，u*为所有用户中与其他用户偏好关系最一致的用户；
如果集合U*中的用户个数|U*|＝1，不再继续计算ui∈U*的C(ui)，取ui∈U*(i＝1,2,…,|* * *
U|)作为u，u为所有用户中与其他用户偏好关系最一致的用户；
其中， 为ui∈U(i＝1,2,…,m)中C(ui)最大的用户形成的集合；
Step3.2、根据u*＝ui(i＝1,2,…,m)，将其对服务sj∈S(j＝1,2,…,n)的评分作为sj的信誉，得到服务信誉r(si)＝rij。
2.根据权利要求1所述的基于不一致用户评价准则的在线服务信誉度量方法，其特征在于：还包括信誉度量结果有效性验证评估：
通过将用户ui对服务sj的评分从rij修改为rij'以实现对信誉的操纵，根据公式(1)，该修改会导致ui对sj和其他服务间的偏好关系发生变化，进一步使得ui与其他用户之间的偏好关系一致性发生变化，从而使修改服务sj的评分不仅会改变sj的信誉，也会改变其他服务的信誉，得出不能通过修改特定服务的评分对该服务的信誉进行操纵，将u*的评分作为服务信誉提高了信誉操纵的难度。
一种基于不一致用户评价准则的在线服务信誉度量方法
技术领域
背景技术
[0002] 互联网以及普适连接技术的快速发展使在线购物、在线娱乐、在线金融、在线软件等在线服务(简称服务)模式在电子商务、电子政务、e-Learning、e-Science等领域得到广泛应用。然而用户选择在线服务面临多方面的困难：①在线服务数量庞大，用户不可能与所有服务都有交易的经验；②信息的不对称使用户很难拥有在线服务的完整信息；③付费消费模式使用户通常不能对在线服务进行试用；④服务提供者可能向用户提供不真实的信息。这些问题使用户需要借助以第三方评价为基础形成的信誉对在线服务的可信任程度进行判断。信誉是对服务表现的综合度量，准确、客观的在线服务信誉度量方法可辅助用户进行服务选择，对服务提供者产生约束力、限制欺诈，降低用户和服务提供者的交易成本，并指导服务提供者提高其服务质量。
[0003] A等(，2007，43(2):618-644；，
2013，126-138)指出公知的加法/平均模型、贝叶斯模型、信念模型、模糊模型和离散信任模型等在线服务信誉度量方法假定所有用户按相同的评价准则对服务进行评价。然而，由于消费背景、消费心理、消费爱好等因素的影响，用户对服务评价的准则不可能完全一致，甚至可能出现矛盾和冲突。由具有不一致评价准则的用户对服务进行评价，即使服务表现相同，其得到的评分也可能不同，公知的方法会得到不同的服务信誉；另一方面，即使服务表现不同，其得到的评分也可能相同，公知的方法会得到相同的服务信誉。因此，公知方法得到的不同服务信誉不具备可比较性，利用这样的信誉进行服务选择会产生不客观的结果。
信誉不具可比较性还使服务提供者难以利用信誉判断用户对其提供服务的总体看法与用户对其他服务总体看法之间的差别，不利于利用信誉改善服务质量。此外，公知方法度量特定服务信誉时只考虑用户对该服务的评分，因此只需对该服务的评分进行修改即可达到信誉操纵的目的，防操纵能力较弱。
2013，126-138)指出公知的加法/平均模型、贝叶斯模型、信念模型、模糊模型和离散信任模型等在线服务信誉度量方法假定所有用户按相同的评价准则对服务进行评价。然而，由于消费背景、消费心理、消费爱好等因素的影响，用户对服务评价的准则不可能完全一致，甚至可能出现矛盾和冲突。由具有不一致评价准则的用户对服务进行评价，即使服务表现相同，其得到的评分也可能不同，公知的方法会得到不同的服务信誉；另一方面，即使服务表现不同，其得到的评分也可能相同，公知的方法会得到相同的服务信誉。因此，公知方法得到的不同服务信誉不具备可比较性，利用这样的信誉进行服务选择会产生不客观的结果。
信誉不具可比较性还使服务提供者难以利用信誉判断用户对其提供服务的总体看法与用户对其他服务总体看法之间的差别，不利于利用信誉改善服务质量。此外，公知方法度量特定服务信誉时只考虑用户对该服务的评分，因此只需对该服务的评分进行修改即可达到信誉操纵的目的，防操纵能力较弱。
[0004] 本发明以评价准则不一致情况下用户对服务的评分为基础，建立用户对服务的偏好关系，提出评价不同用户偏好关系一致性的指标和计算方法，将偏好关系一致性最大的用户的评分作为服务信誉，解决在线服务信誉不具备可比较性的问题，并通过考虑用户对不同服务评分之间的关系提高信誉的防操纵能力，为用户评价准则不一致情况下的在线服务信誉度量及其相关应用提供了一种新的理论依据和技术基础。
发明内容
[0005] 本发明提供了一种基于不一致用户评价准则的在线服务信誉度量方法，以用于解决信誉不具备可比较性时利用信誉进行服务选择及改善服务质量面临的问题。
[0006] 本发明的技术方案是：一种基于不一致用户评价准则的在线服务信誉度量方法，首先从用户-服务评分矩阵建立用户对服务的偏好关系，并将其表达为偏好关系矩阵；然后计算用户偏好关系之间的一致性；最后寻找具有最大偏好关系一致性的用户并将其评分作为服务信誉。
[0007] 所述方法的具体步骤如下：
[0008] Step1、从用户-服务评分矩阵建立用户对服务的偏好关系，并将其表达为偏好关系矩阵
[0009] Step1.1、设用户集合为U＝{u1,u2,…,um}，服务集合为S＝{s1,s2,…,sn}，用户-服务评分矩阵为R＝[rij]m×n，基于评分矩阵R建立用户ui∈U对服务sj,sk∈S(j,k＝1,2,…,n)的偏好关系pi(sj,sk)：
[0010]
[0011] 其中，rij(i＝1,2,…,m,j＝1,2,…,n)为第i个用户ui对第j个服务sj的评分，表示用户ui对服务sj表现的满意程度，rij越大则ui对sj越满意；sj＞isk表示用户ui认为服务sj优于sk，sj＜isk表示用户ui认为服务sk优于sj，sj～isk表示用户ui认为服务sj和sk无区别；
[0012] Step1.2、记用户ui的偏好集为Pi＝{p(sj,sk)|j,k＝1,2,…,n}，并将其表达为偏好关系矩阵PMi＝[pmjk]n×n；其中：
[0013]
[0014] Step2、计算用户偏好关系之间的一致性
[0015] Step2.1、计算矩阵SUBil＝[sub]n×n＝PMi-PMl(i,l＝1,2,…,m)，统计SUB中为0的元素个数，得到c(ui,ul)；c(ui,ul)定义为用户ui，ul∈U(i,l＝1,2,…,m)偏好关系之间的一致性，表示用户ui，ul的偏好集Pi、Pl中相同的偏好关系数量：
[0016]
[0017] 其中，cui,ul(sj,sk)为用户ui，ul∈U(i,l＝1,2,…,m)对服务sj,sk∈S(j,k＝1,2,…,n)的偏好一致性：
[0018]
[0019] 根据公式(1)和公式(4)，SUBil中值为0的元素表示pi(sj,sk)＝pl(sj,sk)且cui,uj(sj,sk)＝1；
[0020] Step2.2、根据统计SUB中为0的元素个数可得到公式(3)定义的c(ui,ul)；c(ui,ul)越大则ui，ul之间的偏好关系越一致；将所有ui，ul∈U(i,l＝1,2,…,m)的c(ui,ul)构成偏好关系一致性矩阵CM＝[c(ui,ul)]m×m；
[0021] Step2.3、对CM的每一行求和得到偏好关系一致性向量C＝C(ui)，其中i＝1,2,…,m；C(ui)定义为用户ui∈U与其他所有用户ul之间的偏好关系一致性之和，表示ui的偏好集Pi与其他所有用户偏好集中相同的偏好关系数量：
[0022]
[0023] Step3、寻找具有最大偏好关系一致性的用户并将其评分作为服务信誉
[0024] Step3.1、寻找与所有用户ui∈U(i＝1,2,…,m)之间偏好关系一致性最大的用户集合u*：
[0025] 如果集合U*中的用户个数|U*|>1并且|U*|≠|U|，则将U赋值为U*，从步骤Step2开始重新计算ui∈U中C(ui)最大的服务，直到|U*|＝|U|，满足|U*|不能降低为止：如果|U*|>1，取任意ui∈U*(i＝1,2,…,|U*|)作为u*，u*为所有用户中与其他用户偏好关系最一致的用户；如果|U*|＝1，取ui∈U*(i＝1,2,…,|U*|)作为u*，u*为所有用户中与其他用户偏好关系最一致的用户；
[0026] 如果集合U*中的用户个数|U*|＝1，不再继续计算ui∈U*的C(ui)，取ui∈U*(i＝1,2,…,|U*|)作为u*，u*为所有用户中与其他用户偏好关系最一致的用户；
[0027] 其中， 为ui∈U(i＝1,2,…,m)中C(ui)最大的用户形成的集合；
[0028] Step3.2、根据u*＝ui(i＝1,2,…,m)，将其对服务sj∈S(j＝1,2,…,n)的评分作为sj的信誉，得到服务信誉r(si)＝rij。
[0029] 还包括信誉度量结果有效性验证评估：
[0030] 通过将用户ui对服务sj的评分从rij修改为rij'以实现对信誉的操纵，根据公式(1)，该修改会导致ui对sj和其他服务间的偏好关系发生变化，进一步使得ui与其他用户之间的偏好关系一致性发生变化，从而使修改服务sj的评分不仅会改变sj的信誉，也会改变其他服务的信誉，得出不能通过修改特定服务的评分对该服务的信誉进行操纵，将u*的评分作为服务信誉提高了信誉操纵的难度。
[0031] 由于u*具有与所有用户最一致的偏好关系，因此与其他用户相比，将u*的评分作为服务信誉对所有用户最不具争议。此外，由于评价准则的不一致，不同用户的评分是不可比较的。比如从rij>rlj不能推断sj为用户ui提供的服务优于为用户ul提供的服务。但是，对任何理性用户，其评分则一定是可比较的。如果rij>rik，则sj＞isk；如果rij
[0032] 本发明的有益效果是：
[0033] 1、由于消费背景、消费心理、消费爱好等因素的影响，用户对在线服务的评价准则不可能完全一致，甚至可能出现矛盾和冲突。而只有假定用户对在线服务具有一致的评价准则时，公知的在线服务信誉度量方法得到的信誉才具备可比较性。本发明不假设用户对在线服务具有一致的评价准则，通过将与所有用户偏好关系最一致的用户的评分作为服务信誉，使服务信誉对所有用户最不具争议。同时，由于特定用户对服务的评分是可比较的，因此本发明得到的服务信誉也具备可比较性，有效解决信誉不具备可比较性时利用信誉进行服务选择以及改善服务质量所面临的问题。
[0034] 2、公知的方法对特定服务进行信誉度量时只考虑用户对该服务的评分，因此，只需对该服务的评分进行操纵即可达到操纵该服务信誉的目的。本发明通过考虑用户对不同服务的评分之间的关系，通过一次计算得到所有服务的信誉，从而单个服务评分的变化不但会影响该服务的信誉，还会对其他服务的信誉产生影响。因此，对本发明的信誉度量方法进行操纵比对公知的信誉度量方法进行操纵复杂得多，客观上使本发明的信誉度量方法具备更强的防操纵能力。
[0035] 总之，建立了一种适用于用户评价准则不一致情况的在线服务信誉度量方法，体现了用户评价准则不一致的内在特征和信誉可比较性管理的潜在需求。易于理解的用户偏好关系一致性评价准则为用户评价准则不一致时的服务信誉度量提供了一种新的建模手段和计算方法。同时，通过考虑用户对不同服务评分之间的关系，为提高信誉度量方法的防操纵能力提供了一种新的思路。附图说明
[0036] 图1为本发明中方法流程图。
具体实施方式
[0037] 实施例1：如图1所示，一种基于不一致用户评价准则的在线服务信誉度量方法，首先从用户-服务评分矩阵建立用户对服务的偏好关系，并将其表达为偏好关系矩阵；然后计算用户偏好关系之间的一致性；最后寻找具有最大偏好关系一致性的用户并将其评分作为服务信誉。
[0038] 所述方法的具体步骤如下：
[0039] Step1、从用户-服务评分矩阵建立用户对服务的偏好关系，并将其表达为偏好关系矩阵
[0040] Step1.1、设用户集合为U＝{u1,u2,…,um}，服务集合为S＝{s1,s2,…,sn}，用户-服务评分矩阵为R＝[rij]m×n，基于评分矩阵R建立用户ui∈U对服务sj,sk∈S(j,k＝1,2,…,n)的偏好关系pi(sj,sk)：
[0041]
[0042] 其中，rij(i＝1,2,…,m,j＝1,2,…,n)为第i个用户ui对第j个服务sj的评分，表示用户ui对服务sj表现的满意程度，rij越大则ui对sj越满意；sj＞isk表示用户ui认为服务sj优于sk，sj＜isk表示用户ui认为服务sk优于sj，sj～isk表示用户ui认为服务sj和sk无区别；
[0043] Step1.2、记用户ui的偏好集为Pi＝{p(sj,sk)|j,k＝1,2,…,n}，并将其表达为偏好关系矩阵PMi＝[pmjk]n×n；其中：
[0044]
[0045] Step2、计算用户偏好关系之间的一致性
[0046] Step2.1、计算矩阵SUBil＝[sub]n×n＝PMi-PMl(i,l＝1,2,…,m)，统计SUB中为0的元素个数，得到c(ui,ul)；c(ui,ul)定义为用户ui，ul∈U(i,l＝1,2,…,m)偏好关系之间的一致性，表示用户ui，ul的偏好集Pi、Pl中相同的偏好关系数量：
[0047]
[0048] 其中，cui,ul(sj,sk)为用户ui，ul∈U(i,l＝1,2,…,m)对服务sj,sk∈S(j,k＝1,2,…,n)的偏好一致性：
[0049]
[0050] 根据公式(1)和公式(4)，SUBil中值为0的元素表示pi(sj,sk)＝pl(sj,sk)且cui,uj(sj,sk)＝1；
[0051] Step2.2、根据统计SUB中为0的元素个数可得到公式(3)定义的c(ui,ul)；c(ui,ul)越大则ui，ul之间的偏好关系越一致；将所有ui，ul∈U(i,l＝1,2,…,m)的c(ui,ul)构成偏好关系一致性矩阵CM＝[c(ui,ul)]m×m；
[0052] Step2.3、对CM的每一行求和得到偏好关系一致性向量C＝C(ui)，其中i＝1,2,…,m；C(ui)定义为用户ui∈U与其他所有用户ul之间的偏好关系一致性之和，表示ui的偏好集Pi与其他所有用户偏好集中相同的偏好关系数量：
[0053]
[0054] Step3、寻找具有最大偏好关系一致性的用户并将其评分作为服务信誉
[0055] Step3.1、寻找与所有用户ui∈U(i＝1,2,…,m)之间偏好关系一致性最大的用户集合u*：
[0056] 如果集合U*中的用户个数|U*|>1并且|U*|≠|U|，则将U赋值为U*，从步骤Step2开始重新计算ui∈U中C(ui)最大的服务，直到|U*|＝|U|，满足|U*|不能降低为止：如果|U*|>1，取任意ui∈U*(i＝1,2,…,|U*|)作为u*，u*为所有用户中与其他用户偏好关系最一致的用户；如果|U*|＝1，取ui∈U*(i＝1,2,…,|U*|)作为u*，u*为所有用户中与其他用户偏好关系最一致的用户；
[0057] 如果集合U*中的用户个数|U*|＝1，不再继续计算ui∈U*的C(ui)，取ui∈U*(i＝1,2,…,|U*|)作为u*，u*为所有用户中与其他用户偏好关系最一致的用户；
[0058] 其中， 为ui∈U(i＝1,2,…,m)中C(ui)最大的用户形成的集合；
[0059] Step3.2、根据u*＝ui(i＝1,2,…,m)，将其对服务sj∈S(j＝1,2,…,n)的评分作为sj的信誉，得到服务信誉r(si)＝rij。
[0060] 还包括信誉度量结果有效性验证评估：
[0061] 通过将用户ui对服务sj的评分从rij修改为rij'以实现对信誉的操纵，根据公式(1)，该修改会导致ui对sj和其他服务间的偏好关系发生变化，进一步使得ui与其他用户之间的偏好关系一致性发生变化，从而使修改服务sj的评分不仅会改变sj的信誉，也会改变其他服务的信誉，得出不能通过修改特定服务的评分对该服务的信誉进行操纵，将u*的评分作为服务信誉提高了信誉操纵的难度。
[0062] 实施例2：如图1所示，一种基于不一致用户评价准则的在线服务信誉度量方法，首先从用户-服务评分矩阵建立用户对服务的偏好关系，并将其表达为偏好关系矩阵；然后计算用户偏好关系之间的一致性；最后寻找具有最大偏好关系一致性的用户并将其评分作为服务信誉。
[0063] 所述方法的具体步骤如下：
[0064] Step1、从用户-服务评分矩阵建立用户对服务的偏好关系，并将其表达为偏好关系矩阵
[0065] Step1.1、设用户集合为U＝{u1,u2,…,um}，服务集合为S＝{s1,s2,…,sn}，用户-服务评分矩阵为R＝[rij]m×n，基于评分矩阵R建立用户ui∈U对服务sj,sk∈S(j,k＝1,2,…,n)的偏好关系pi(sj,sk)：
[0066]
[0067] 其中，rij(i＝1,2,…,m,j＝1,2,…,n)为第i个用户ui对第j个服务sj的评分，表示用户ui对服务sj表现的满意程度，rij越大则ui对sj越满意；sj＞isk表示用户ui认为服务sj优于sk，sj＜isk表示用户ui认为服务sk优于sj，sj～isk表示用户ui认为服务sj和sk无区别；
[0068] Step1.2、记用户ui的偏好集为Pi＝{p(sj,sk)|j,k＝1,2,…,n}，并将其表达为偏好关系矩阵PMi＝[pmjk]n×n；其中：
[0069]
[0070] Step2、计算用户偏好关系之间的一致性
[0071] Step2.1、计算矩阵SUBil＝[sub]n×n＝PMi-PMl(i,l＝1,2,…,m)，统计SUB中为0的元素个数，得到c(ui,ul)；c(ui,ul)定义为用户ui，ul∈U(i,l＝1,2,…,m)偏好关系之间的一致性，表示用户ui，ul的偏好集Pi、Pl中相同的偏好关系数量：
[0072]
[0073] 其中，cui,ul(sj,sk)为用户ui，ul∈U(i,l＝1,2,…,m)对服务sj,sk∈S(j,k＝1,2,…,n)的偏好一致性：
[0074]
[0075] 根据公式(1)和公式(4)，SUBil中值为0的元素表示pi(sj,sk)＝pl(sj,sk)且cui,uj(sj,sk)＝1；
[0076] Step2.2、根据统计SUB中为0的元素个数可得到公式(3)定义的c(ui,ul)；c(ui,ul)越大则ui，ul之间的偏好关系越一致；将所有ui，ul∈U(i,l＝1,2,…,m)的c(ui,ul)构成偏好关系一致性矩阵CM＝[c(ui,ul)]m×m；
[0077] Step2.3、对CM的每一行求和得到偏好关系一致性向量C＝C(ui)，其中i＝1,2,…,m；C(ui)定义为用户ui∈U与其他所有用户ul之间的偏好关系一致性之和，表示ui的偏好集Pi与其他所有用户偏好集中相同的偏好关系数量：
[0078]
[0079] Step3、寻找具有最大偏好关系一致性的用户并将其评分作为服务信誉
[0080] Step3.1、寻找与所有用户ui∈U(i＝1,2,…,m)之间偏好关系一致性最大的用户集合u*：
[0081] 如果集合U*中的用户个数|U*|>1并且|U*|≠|U|，则将U赋值为U*，从步骤Step2开始重新计算ui∈U中C(ui)最大的服务，直到|U*|＝|U|，满足|U*|不能降低为止：如果|U*|>1，取任意ui∈U*(i＝1,2,…,|U*|)作为u*，u*为所有用户中与其他用户偏好关系最一致的用户；如果|U*|＝1，取ui∈U*(i＝1,2,…,|U*|)作为u*，u*为所有用户中与其他用户偏好关系最一致的用户；
[0082] 如果集合U*中的用户个数|U*|＝1，不再继续计算ui∈U*的C(ui)，取ui∈U*(i＝1,2,…,|U*|)作为u*，u*为所有用户中与其他用户偏好关系最一致的用户；
[0083] 其中， 为ui∈U(i＝1,2,…,m)中C(ui)最大的用户形成的集合；
[0084] Step3.2、根据u*＝ui(i＝1,2,…,m)，将其对服务sj∈S(j＝1,2,…,n)的评分作为sj的信誉，得到服务信誉r(si)＝rij。
[0085] 实施例3：如图1所示，一种基于不一致用户评价准则的在线服务信誉度量方法，首先从用户-服务评分矩阵建立用户对服务的偏好关系，并将其表达为偏好关系矩阵；然后计算用户偏好关系之间的一致性；最后寻找具有最大偏好关系一致性的用户并将其评分作为服务信誉。
[0086] 还包括信誉度量结果有效性验证评估：
[0087] 通过将用户ui对服务sj的评分从rij修改为rij'以实现对信誉的操纵，根据公式(1)，该修改会导致ui对sj和其他服务间的偏好关系发生变化，进一步使得ui与其他用户之间的偏好关系一致性发生变化，从而使修改服务sj的评分不仅会改变sj的信誉，也会改变其他服务的信誉，得出不能通过修改特定服务的评分对该服务的信誉进行操纵，将u*的评分作为服务信誉提高了信誉操纵的难度。
[0088] 实施例4：如图1所示，一种基于不一致用户评价准则的在线服务信誉度量方法，首先从用户-服务评分矩阵建立用户对服务的偏好关系，并将其表达为偏好关系矩阵；然后计算用户偏好关系之间的一致性；最后寻找具有最大偏好关系一致性的用户并将其评分作为服务信誉。
[0089] 实施例5：如图1所示，一种基于不一致用户评价准则的在线服务信誉度量方法，首先从用户-服务评分矩阵建立用户对服务的偏好关系，并将其表达为偏好关系矩阵；然后计算用户偏好关系之间的一致性；最后寻找具有最大偏好关系一致性的用户并将其评分作为服务信誉。
[0090] 所述方法的具体步骤如下：
[0091] Step1、从用户-服务评分矩阵建立用户对服务的偏好关系，并将其表达为偏好关系矩阵
[0092] Step1.1、设用户集合为U＝{u1,u2,…,um}，服务集合为S＝{s1,s2,…,sn}，用户-服务评分矩阵为R＝[rij]m×n，基于评分矩阵R建立用户ui∈U对服务sj,sk∈S(j,k＝1,2,…,n)的偏好关系pi(sj,sk)：
[0093]
[0094] 其中，rij(i＝1,2,…,m,j＝1,2,…,n)为第i个用户ui对第j个服务sj的评分，表示用户ui对服务sj表现的满意程度，rij越大则ui对sj越满意；sj＞isk表示用户ui认为服务sj优于sk，sj＜isk表示用户ui认为服务sk优于sj，sj～isk表示用户ui认为服务sj和sk无区别；
[0095] Step1.2、记用户ui的偏好集为Pi＝{p(sj,sk)|j,k＝1,2,…,n}，并将其表达为偏好关系矩阵PMi＝[pmjk]n×n；其中：
[0096]
[0097] Step2、计算用户偏好关系之间的一致性
[0098] Step2.1、计算矩阵SUBil＝[sub]n×n＝PMi-PMl(i,l＝1,2,…,m)，统计SUB中为0的元素个数，得到c(ui,ul)；c(ui,ul)定义为用户ui，ul∈U(i,l＝1,2,…,m)偏好关系之间的一致性，表示用户ui，ul的偏好集Pi、Pl中相同的偏好关系数量：
[0099]
[0100] 其中，cui,ul(sj,sk)为用户ui，ul∈U(i,l＝1,2,…,m)对服务sj,sk∈S(j,k＝1,2,…,n)的偏好一致性：
[0101]
[0102] 根据公式(1)和公式(4)，SUBil中值为0的元素表示pi(sj,sk)＝pl(sj,sk)且cui,uj(sj,sk)＝1；
[0103] Step2.2、根据统计SUB中为0的元素个数可得到公式(3)定义的c(ui,ul)；c(ui,ul)越大则ui，ul之间的偏好关系越一致；将所有ui，ul∈U(i,l＝1,2,…,m)的c(ui,ul)构成偏好关系一致性矩阵CM＝[c(ui,ul)]m×m；
[0104] Step2.3、对CM的每一行求和得到偏好关系一致性向量C＝C(ui)，其中i＝1,2,…,m；C(ui)定义为用户ui∈U与其他所有用户ul之间的偏好关系一致性之和，表示ui的偏好集Pi与其他所有用户偏好集中相同的偏好关系数量：
[0105]
[0106] Step3、寻找具有最大偏好关系一致性的用户并将其评分作为服务信誉
[0107] Step3.1、寻找与所有用户ui∈U(i＝1,2,…,m)之间偏好关系一致性最大的用户集合u*：
[0108] 如果集合U*中的用户个数|U*|>1并且|U*|≠|U|，则将U赋值为U*，从步骤Step2开始重新计算ui∈U中C(ui)最大的服务，直到|U*|＝|U|，满足|U*|不能降低为止：如果|U*|>1，取任意ui∈U*(i＝1,2,…,|U*|)作为u*，u*为所有用户中与其他用户偏好关系最一致的用户；如果|U*|＝1，取ui∈U*(i＝1,2,…,|U*|)作为u*，u*为所有用户中与其他用户偏好关系最一致的用户；
[0109] 其中， 为ui∈U(i＝1,2,…,m)中C(ui)最大的用户形成的集合；
[0110] Step3.2、根据u*＝ui(i＝1,2,…,m)，将其对服务sj∈S(j＝1,2,…,n)的评分作为sj的信誉，得到服务信誉r(si)＝rij。
[0111] 还包括信誉度量结果有效性验证评估：
[0112] 通过将用户ui对服务sj的评分从rij修改为rij'以实现对信誉的操纵，根据公式(1)，该修改会导致ui对sj和其他服务间的偏好关系发生变化，进一步使得ui与其他用户之间的偏好关系一致性发生变化，从而使修改服务sj的评分不仅会改变sj的信誉，也会改变其他服务的信誉，得出不能通过修改特定服务的评分对该服务的信誉进行操纵，将u*的评分作为服务信誉提高了信誉操纵的难度。
[0113] 实施例6：如图1所示，一种基于不一致用户评价准则的在线服务信誉度量方法，首先从用户-服务评分矩阵建立用户对服务的偏好关系，并将其表达为偏好关系矩阵；然后计算用户偏好关系之间的一致性；最后寻找具有最大偏好关系一致性的用户并将其评分作为服务信誉。
[0114] 所述方法的具体步骤如下：
[0115] Step1、从用户-服务评分矩阵建立用户对服务的偏好关系，并将其表达为偏好关系矩阵
[0116] Step1.1、设用户集合为U＝{u1,u2,…,um}，服务集合为S＝{s1,s2,…,sn}，用户-服务评分矩阵为R＝[rij]m×n，基于评分矩阵R建立用户ui∈U对服务sj,sk∈S(j,k＝1,2,…,n)的偏好关系pi(sj,sk)：
[0117]
[0118] 其中，rij(i＝1,2,…,m,j＝1,2,…,n)为第i个用户ui对第j个服务sj的评分，表示用户ui对服务sj表现的满意程度，rij越大则ui对sj越满意；sj＞isk表示用户ui认为服务sj优于sk，sj＜isk表示用户ui认为服务sk优于sj，sj～isk表示用户ui认为服务sj和sk无区别；
[0119] Step1.2、记用户ui的偏好集为Pi＝{p(sj,sk)|j,k＝1,2,…,n}，并将其表达为偏好关系矩阵PMi＝[pmjk]n×n；其中：
[0120]
[0121] Step2、计算用户偏好关系之间的一致性
[0122] Step2.1、计算矩阵SUBil＝[sub]n×n＝PMi-PMl(i,l＝1,2,…,m)，统计SUB中为0的元素个数，得到c(ui,ul)；c(ui,ul)定义为用户ui，ul∈U(i,l＝1,2,…,m)偏好关系之间的一致性，表示用户ui，ul的偏好集Pi、Pl中相同的偏好关系数量：
[0123]
[0124] 其中，cui,ul(sj,sk)为用户ui，ul∈U(i,l＝1,2,…,m)对服务sj,sk∈S(j,k＝1,2,…,n)的偏好一致性：
[0125]
[0126] 根据公式(1)和公式(4)，SUBil中值为0的元素表示pi(sj,sk)＝pl(sj,sk)且cui,uj(sj,sk)＝1；
[0127] Step2.2、根据统计SUB中为0的元素个数可得到公式(3)定义的c(ui,ul)；c(ui,ul)越大则ui，ul之间的偏好关系越一致；将所有ui，ul∈U(i,l＝1,2,…,m)的c(ui,ul)构成偏好关系一致性矩阵CM＝[c(ui,ul)]m×m；
[0128] Step2.3、对CM的每一行求和得到偏好关系一致性向量C＝C(ui)，其中i＝1,2,…,m；C(ui)定义为用户ui∈U与其他所有用户ul之间的偏好关系一致性之和，表示ui的偏好集Pi与其他所有用户偏好集中相同的偏好关系数量：
[0129]
[0130] Step3、寻找具有最大偏好关系一致性的用户并将其评分作为服务信誉
[0131] Step3.1、寻找与所有用户ui∈U(i＝1,2,…,m)之间偏好关系一致性最大的用户集合u*：
[0132] 如果集合U*中的用户个数|U*|＝1，不再继续计算ui∈U*的C(ui)，取ui∈U*(i＝1,2,…,|U*|)作为u*，u*为所有用户中与其他用户偏好关系最一致的用户；
[0133] 其中， 为ui∈U(i＝1,2,…,m)中C(ui)最大的用户形成的集合；
[0134] Step3.2、根据u*＝ui(i＝1,2,…,m)，将其对服务sj∈S(j＝1,2,…,n)的评分作为sj的信誉，得到服务信誉r(si)＝rij。
[0135] 还包括信誉度量结果有效性验证评估：
[0136] 通过将用户ui对服务sj的评分从rij修改为rij'以实现对信誉的操纵，根据公式(1)，该修改会导致ui对sj和其他服务间的偏好关系发生变化，进一步使得ui与其他用户之间的偏好关系一致性发生变化，从而使修改服务sj的评分不仅会改变sj的信誉，也会改变其他服务的信誉，得出不能通过修改特定服务的评分对该服务的信誉进行操纵，将u*的评分作为服务信誉提高了信誉操纵的难度。
[0137] 实施例7：如图1所示，一种基于不一致用户评价准则的在线服务信誉度量方法，首先从用户-服务评分矩阵建立用户对服务的偏好关系，并将其表达为偏好关系矩阵；然后计算用户偏好关系之间的一致性；最后寻找具有最大偏好关系一致性的用户并将其评分作为服务信誉。
[0138] 1、从用户-服务评分矩阵建立用户对服务的偏好关系
[0139] 给定6个用户对4个购物服务的评分，用户集合为U＝{u1,u2,u3,u4,u5,u6}，服务集合为S＝{s1,s2,s3,s4}，用户-服务评分矩阵如表1所示，其中用户-服务评分表示用户对服务表现的满意程度，采用电子商务评价机制中常用的5个等级，1-5级分别表示很不满意、不满意、一般、满意和很满意。
[0140] 表1
[0141]rij s1 s2 s3 s4
u1 4 3 4 3
u2 2 1 3 5
u3 4 2 3 3
u4 5 2 1 3
u5 1 3 4 4
u6 5 4 3 4
u1 4 3 4 3
u2 2 1 3 5
u3 4 2 3 3
u4 5 2 1 3
u5 1 3 4 4
u6 5 4 3 4
[0142] 根据公式(1)，可以得到表1中各用户对不同服务的偏好集合。比如对用户u1，由于r11>r12，因此有s1＞1s2；由于r11>r13，因此有s1～1s3；又由于r11>r14，因此有s1＞1s4。类似可以得到所有用户u1-u6的偏好集为：
[0143] P1＝{s1＞1s2,s1～1s3,s1＞1s4,s2＜1s3,s2～1s4,s3＞1s4,s2＜1s1,s3～1s1,s4＜1s1,s3＞1s2,s4～1s2,s4＜1s3}
[0144] P2＝{s1＞2s2,s1＜2s3,s1＜2s4,s2＜2s3,s2＜2s4,s3＜2s4,s2＜2s1,s3＞2s1,s4＞2s1,s3＞2s2,s4＞2s2,s4＞2s3}
[0145] P3＝{s1＞3s2,s1＞2s3,s1＞3s4,s2＜3s3,s2＜3s4,s3～3s4,s2＜3s1,s3＜3s1,s4＜3s1,s3＞3s2,s4＞3s2,s4～3s3}
[0146] P4＝{s1＞4s2,s1＞4s3,s1＞4s4,s2＞4s3,s2＜4s4,s3＜4s4,s2＜4s1,s3＜4s1,s4＜4s1,s3＜4s2,s4＞4s2,s4＞4s3}
[0147] P5＝{s1＜5s2,s1＜5s3,s1＜5s4,s2＜5s3,s2＜5s4,s3～5s4,s2＞5s1,s3＞5s1,s4＞5s1,s3＞5s2,s4＞5s2,s4～5s3}
[0148] P6＝{s1＞6s2,s1＞6s3,s1＞6s4,s2＞6s3,s2～6s4,s3＜6s4,s2＜6s1,s3＜6s1,s4＜6s1,s3＜6s2,s4～6s2,s4＞6s3}
[0149] 按公式(2)将用户U＝{u1,u2,u3,u4,u5,u6}对服务S＝{s1,s2,s3,s4}的偏好表达为矩阵PMi＝[pmjk]4×4，j,k＝1,2,3,4。比如，因为s1＞1s2、s1～1s3、s1＞1s4，因此PM1中pm12＝1，pm13＝0，pm14＝1。所有用户的偏好矩阵如表2所示。
[0150] 表2
[0151]
[0152] 2、计算用户偏好关系之间的一致性
[0153] 2.1、计算SUBil＝PMi-PMl(i,l＝1,2,…,6)。比如，计算SUB12＝PM1-PM2如表3所示。
[0154] 表3
[0155]subjk s1 s2 s3 s4
s1 0 0 1 2
s2 0 0 0 1
s3 -1 0 0 2
s4 -2 -1 -2 0
s1 0 0 1 2
s2 0 0 0 1
s3 -1 0 0 2
s4 -2 -1 -2 0
[0156] SUB12中为0的元素表示pi(sj,sk)＝pl(sj,sk)。比如，由于s1＞1s2，s1＞2s2，即p1(s1,s2)＝p2(s1,s2)，因此SUB＝PM1-PM2中sub12＝0。这样，统计SUB中为0的元素个数即可得到c(u1,u2)＝8，表示用户u1、u2的所有偏好关系中有8个是一致的。
[0157] 2.2、将所有ui，ul∈U(i,l＝1,2,…,6)之间的偏好关系一致性c(ui,ul)构成偏好关系一致性矩阵CM＝[c(ui,ul)]6×6，如表4所示。
[0158] 表4
[0159]c(ui,ul) u1 u2 u3 u4 u5 u6
u1 36 8 10 8 6 10
u2 8 36 10 10 12 8
u3 10 10 36 12 10 10
u4 8 10 12 36 6 14
u5 6 12 10 6 36 4
u6 10 8 10 14 4 36
u1 36 8 10 8 6 10
u2 8 36 10 10 12 8
u3 10 10 36 12 10 10
u4 8 10 12 36 6 14
u5 6 12 10 6 36 4
u6 10 8 10 14 4 36
[0160] 对CM的每一行求和，得到C(u1)＝78，C(u2)＝84，C(u3)＝88，C(u4)＝86，C(u5)＝74，C(u6)＝82，即偏好关系一致性向量C＝(78,84,88,86,74,82)。
[0161] 3、寻找具有最大一致性的用户并将其评分作为服务的信誉
[0162] 在所有ui∈U(i＝1,2,…,6)中，C(u3)＝88，为所有C(ui)中的最大值，因此U*＝{u3}。
[0163] 由于|U*|＝1，不再继续计算ui∈U*的C(ui)，得到u*＝u3，即用户u3的偏好与其他所有用户偏好关系一致性最大，将u3对服务S＝{s1,s2,s3,s4}的评分作为服务的信誉，得到r(s1)＝4，r(s2)＝2，r(s3)＝3，r(s4)＝3。
[0164] 4、信誉度量结果有效性验证评估
[0165] 用户u3与所有用户ui∈U(i＝1,2,…,6)有88个相同的偏好关系，具有与其他任何用户最大的偏好关系一致性，因此将其评分作为服务信誉最不具争议。此外，从r31>r32必然可以推断s1＞3s2，而从r33>r34必然可以推断s1～3s2。类似地，可以得到u3对服务的其他偏好关系。因此，u3对服务的评分一定是可比较的，从而得到的服务信誉也是可比较的，即r(s1)>r(s2)，r(s3)＝r(s4)。
[0166] 如果将r11从4修改为1以提高打压s1的信誉，将导致u1对服务的偏好关系从{s1＞1s2,s1～1s3,s1＞1s4,s2＜1s3,s2～1s4,s3＞1s4,s2＜1s1,s3～1s1,s4＜1s1,s3＞1s2,s4～1s2,s4＜1s3}变化为P3＝{s1＜3s2,s1＜2s3,s1＜3s4,s2＜3s3,s2～3s4,s3＞3s4,s2＞3s1,s3＞3s1,s4＜
3s1,s3＞3s2,s4～3s2,s4＜3s3}，进一步使u1与其他用户之间的偏好关系一致性发生变化，最终偏好关系一致性矩阵CM从表4变化为表5。
3s1,s3＞3s2,s4～3s2,s4＜3s3}，进一步使u1与其他用户之间的偏好关系一致性发生变化，最终偏好关系一致性矩阵CM从表4变化为表5。
[0167] 表5
[0168]c(ui,ul) u1 u2 u3 u4 u5 u6
u1 36 10 6 4 12 6
u2 10 36 10 10 12 8
u3 6 10 36 12 10 10
u4 4 10 12 36 6 14
u5 12 12 10 6 36 4
u6 6 8 10 14 4 36
u1 36 10 6 4 12 6
u2 10 36 10 10 12 8
u3 6 10 36 12 10 10
u4 4 10 12 36 6 14
u5 12 12 10 6 36 4
u6 6 8 10 14 4 36
[0169] 对CM的每一行求和，得到C(u1)＝74，C(u2)＝86，C(u3)＝84，C(u4)＝82，C(u5)＝80，C(u6)＝78，最大值为C(u2)而不是C(u3)。因此服务信誉为r(s1)＝2，r(s2)＝1，r(s3)＝3，r(s4)＝5。可以看到，u1修改s1的评分不仅改变了s1的信誉，其他服务的信誉也发生了变化。因此不能通过修改特定服务的评分对该服务的信誉进行操纵，提高了信誉操纵的难度，体现了本发明的信誉度量方法具有良好的防操纵特性。
[0170] 上面结合附图对本发明的具体实施方式作了详细说明，但是本发明并不限于上述实施方式，在本领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下作出各种变化。
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 一种基于信任管理的移动应用安全设置推荐系统 | 2020-05-13 | 748 |
| 生鲜时蔬的供货方法及装置、存储介质、终端 | 2020-05-19 | 755 |
| 一种基于互联网的工程服务系统 | 2020-05-26 | 987 |
| 多功能摇篮车与多功能摇篮床及与之配套的卡槽式用具 | 2020-05-15 | 354 |
| 用于改进客户服务器在衰落信道上的传输的方法和系统 | 2020-05-18 | 389 |
| 一种实验室安全准入平台系统 | 2020-05-23 | 744 |
| 基于混合现实及多维现实技术的群体互动教育云系统 | 2020-05-14 | 576 |
| 一种电能表状态在线评价方法及系统 | 2020-05-22 | 805 |
| 一种全程可视的个性化采摘及溯源销售的方法 | 2020-05-08 | 416 |
| 一种物联网设备异常行为的云端识别方法 | 2020-05-13 | 51 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
分析报告
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
QQ群二维码
意见反馈
意见反馈