[发明专利]一种在线商品的信誉值计算方法、网络交易平台、计算机

说明书

本发明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。

技术领域

本发明属于电子商务技术领域，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。

背景技术

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CN 102880637 B)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CN 10199683 B)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。

发明内容

针对现有技术存在的问题，本发明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。