[发明专利]一种基于电商评论识别恶意用户的方法

权利要求书

1.一种基于电商评论识别恶意用户的方法，其特征在于包括如下步骤：

步骤1，构建三元组G[U_i,O_α,ω_s]用于存储评分数据，U_i代表用户i，i＝{1,…,m}，m是用户数；O_α代表商品α，α＝{1,…,n}，n是商品数；ω_s代表评分s；

步骤2，初始化所有用户的信誉为1；

步骤3，计算各商品在各个评分下的带权群组大小，权值即为评价该商品的用户信誉；

根据下式计算商品α在评分s下的带权群组大小Λ_sα：

其中，R_is表示对商品α评分为s的用户i的信誉分；

步骤4，根据步骤3得出的带权群组大小，计算不同商品中各群组的占比矩阵；

根据下式计算不同商品中各群组的占比矩阵：

步骤5，步骤4得到的占比矩阵中，行和列分别对应商品和评分，将其映射到行和列分别对应用户和商品的矩阵中；具体为：

其中，当用户i对商品α的评分为s时，将商品评分占比矩阵中的映射到行和列分别对应用户和商品的用户商品占比矩阵中得到A′_iα，如果没有评分认为值不存在；

步骤6，计算各用户所在群组占比的平均值和标准差，并计算用户评分的标准差；

根据下式计算用户i所在群组占比的平均值：

根据下式计算用户i所在群组占比的标准差：

其中，k_i为用户i的度；

步骤7，根据步骤6计算得到的数据计算用户信誉；

步骤8，基于步骤7计算得到的用户信誉，重复步骤3-7，然后计算两次用户信誉的差值，若大于阈值则以新的用户信誉重复步骤3-7，直至用户信誉变化小于或等于阈值时迭代结束；

步骤9，对最终得到的用户信誉进行排序，将信誉最低的L个用户当作恶意用户。

2.如权利要求1所述的基于电商评论识别恶意用户的方法，其特征在于：所述步骤6中，计算用户评分的标准差的具体过程是；

首先计算各个用户的平均评分：

其中，ω_iα表示用户i对商品α的评分，k_i是用户i的度；

然后计算评分的标准差：

3.如权利要求2所述的基于电商评论识别恶意用户的方法，其特征在于：所述步骤7中，根据下式计算用户信誉：

其中，μ(A′_i)、σ(A′_i)、σ(ω_i)分别是用户i所在群组占比的平均值、用户i所在群组占比的标准差、用户评分的标准差。

4.如权利要求1所述的基于电商评论识别恶意用户的方法，其特征在于：所述步骤8中，两次用户信誉的差值计算公式是：

Δ＝|R-R'|＝∑_i(R_i-R′_i)²/m

其中，Δ为差值，R、R'分别为两次用户信誉，R_i、R′_i分别为用户i的两次用户信誉。