[发明专利]一种基于子图挖掘的信用炒作与恶意评价识别方法

说明书

本发明提供了一种基于子图挖掘的信用炒作与恶意评价识别方法，其特征在于，包括以下步骤：将对商品的评价划分为好评及差评；建立每个商品的半二类网络；对半二类网络进行分析。本发明基于在线商品评价，能够在海量评价数据集中，基于商品间的特定联系构建半二分类网络，并通过网络统计分析与子图挖掘实现信用炒作与恶意评价的识别。此方案对于规范电商平台的正常运营、促进商品公平竞争、为消费者提供正确的购物指引等都具有实践意义与应用价值。

技术领域

本发明面向在线商品的评价数据，旨在通过含多重连接的半二类网络建模与子图挖掘来识别不合理评价，包括信用炒作与恶意评价，从而规范商品易后反馈与商品推荐市场，促进互联网环境的公平公正化建设，属于网络节点发现或模式识别领域。

背景技术

目前已有多篇关于对信用炒作与恶意评价进行识别的方法。例如：申请号为CN201510314327.0的专利，利用信息传递技术扩大有效信用评分，降低虚假评价，让货主会员(为方便说明下文以货主会员A代称)得到更贴合自身需求的车辆会员(为方便说明下文以车辆会员C代称)信用状况。从平台数据库提取货主会员A的注册信息、交易信息和朋友圈信息等相关基本交互信息，挖掘货主会员A关于车辆会员C的直接信任圈，包括与车辆会员C发生过交易行为的货主会员A的朋友圈、与车辆会员C发生过交易行为的资历老信用等级高的大V货主(包括平台运货量大且稳定的大企业、高级会员等大会员货主)两类，这两类货主会员与货主会员A有着直接信任关系，他们的评价信息是货主会员A最具参考价值的信用信息。

申请号为CN201710889243.9的专利，公开了一种防刷单的方法，包括服务器和客户端，该方法应用于服务器。判断所述指定书籍的点击通过率与该书籍的近期购买量是否成正相关关系；若否，则确定所述异常行为属于刷单行为；若是，则确定所述异常行为不属于刷单行为。”

申请号为CN201710719176.6的专利，公开了以下技术方案：刷单行为是指书籍的作者或其他利益所得者通过聘人来刷指定书籍的点击量，提升该书籍所在书籍区块的点击通过率，进而使得排在较靠后的书籍区块的点击通过率比靠前的书籍区块的点击通过率高很多，从而使分布曲线的整体趋势与衰减类型的函数曲线的整体趋势不符。

申请号为CN201510555824.X的专利，公开了以下技术方案：根据软件的评论信息的相似度或信息增益，计算软件的评论信息的平均相似度或平均信息熵；根据同一类别的每个软件各自对应的平均相似度或平均信息熵，计算得到该同一类别的软件对应的概率统计分布参数；根据该同一类别的软件对应的概率统计分布参数设置同一类别的软件对应的判定阈值范围，该判定阈值范围是用于判定小概率事件的阈值范围；当待检测软件的评论信息的平均相似度或平均信息熵落入该待检测软件所属类别的软件对应的判定阈值范围时，则判定该待检测软件是刷好评推广作弊软件。

申请号为CN201710889243.9的专利、申请号为CN201510555824.X的专利以及申请号为CN201510555824.X的专利通过一到两个物理量的全局相关性或分布不同来甄别炒作评价。

申请号为CN201710520270.9的专利，公开了以下技术方案：本发明的目的在于克服现有技术的不足，提供能有效地避免刷单刷好评或恶意差评给评价排序带来的影响、利于用户在消费时对商品的质量有个较明确的认识、有助于电商平台对商户的管理、一定程度上保证出现在该平台上的商品质量、利于电商平台的健康发展的基于区块链的评价排序方法。

此专利通过改进评价方式，即去中心化、引入交易成本，来避免出现不实好评，其价值体现在防患阶段。