[发明专利]一种基于KendallTau距离的在线服务信誉度量方法

说明书

技术领域

本发明涉及一种基于KendallTau距离的在线服务信誉度量方法，属于在线信誉度量及群体决策技术领域。

背景技术

随着互联网的发展和普及，传统的商业环境正转化为开放、共享、多元的面向在线服务的新环境。在线服务在电子商务、企业经营、管理等领域起到越来越重要的作用，互联网上可供用户选择的在线服务也越来越多，同时，用户也需要花费更多的时间和精力来寻找自己想要的服务。首先，庞大的在线服务数量使得用户不可能与每个在线服务产生交互，用户不可能获得每个在线服务的完整信息。其次，网络环境下，由于允许匿名交互而彼此之间又不直接接触，某些用户或在线服务提供者可能提供不真实的评价信息。因此，用户需要借助以第三方观点为基础形成的在线服务的信誉为用户提供更好的服务推荐。信誉是服务若干信用行为累积的结果，对于在线服务选择起着重要的作用。一个客观的在线服务信誉度量方法可有效地辅助用户进行在线服务的优劣选择决策。

目前的在线信誉模型大致分为以下几类：平均法模型、累加法模型、基于贝叶斯网络的信誉模型、离散的信誉模型、基于模糊逻辑的信誉模型、基于链状的信誉模型和基于证据理论的信誉模型等。近年来，国内外学者对在线服务信誉的研究取得积极的进展，Haiteng(<Scientific World Journal>，2014，2014(1)：145-156)提出一种基于服务质量相似度的Web服务信誉度量模型，通过比较服务质量公告值和实际值的相似性，来进行Web服务信誉评估。Zhang Xin Zhou(<IEEE International Conference on Services Computing>，2016，211-218)提出一种基于消费者隐性行为的声誉模型以克服评级稀缺问题，并对冷启动问题提出了解决方法。Tingwei Chen(<International Journal of Intelligent Information Systems>，2015，4(1)：8-15)提出了一种基于云的评价方法，通过评估服务消费者的历史行为，并考虑评分相似度以生成评级质量云，进而利用云模型的参数进行服务信誉评估。Hossein Shad Manaman(<Computers in Human Behavior 54>，2016，94-100)提出了一种信誉管理系统，基于N元语法学习方法对社交媒体数据进行分析，以测量给定公司的声誉。然而，Audun(<International Conference on Modeling Decisions for Artificial Intelligence>，2013，8234：126-138)指出这些公知的方法都是根据用户提交的一维评价数据来计算服务的信誉度，并假设所有用户根据相同的标准来评价服务，而未考虑到用户因主观偏好导致的评价准则不一致的问题。由于受到自身习惯、生活经验和消费历史的影响，用户对在线服务评价的标准不可能完全相同，有些用户倾向于给服务较高的评价，有些用户倾向于给服务较低的评价，导致即使本质表现相同的服务也会得到不同的评价。因此，根据公知方法计算的得到的信誉结果不具备公正的可比较性。比如，平均法通过计算所有用户对服务评分的平均值得到其服务信誉，而由于评价准则不同导致不同用户之间的服务评分不可比较，根据平均法计算得到的信誉结果也不具备可比较性，因而利用这种信誉进行服务选择时会产生不客观的结果，从而对用户产生误导。此外，公知方法的防操纵能力较弱，比如累加法通过累加所有用户对服务的评分得到其服务信誉，因此只需多次对同一服务给予高分(或低分)，就可以达到操纵服务信誉的目的。

本发明考虑了用户评价准则的不一致性，以用户对服务的评分为基础，提出基于Kendalltau距离指标测量服务评分向量之间一致性的计算方法，将与用户-服务评分矩阵距离最小的信誉向量作为最终的服务信誉，有效地避免了在线服务信誉不可比较的问题。同时，采用模拟退火算法寻找最优信誉向量，保证了信誉度量的效率；此外，通过考虑用户对不同服务评分的关系提高信誉的防操纵能力，为在线服务的信誉度量及其相关应用提供了一种新的技术方法。

发明内容

本发明提供了一种基于KendallTau距离的在线服务信誉度量方法，用于解决用户对服务评价准则不一致导致的服务信誉不具备可比较性的问题，并且克服了公知方法度量效率低且抗操纵能力弱的问题。