CN104978676A - 一种基于不一致用户评价准则的在线服务信誉度量方法 - Google Patents

Abstract

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。

Description

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

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。

背景技术

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。

A等(<Decision Support Systems>，2007，43(2):618-644；<International Conferenceon Modeling Decisions for Artificial Intelligence>，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。

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

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。

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。

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,…,u_m}，服务集合为S＝{s₁,s₂,…,s_n}，用户-服务评分矩阵为R＝[r_ij]_m×n，基于评分矩阵R建立用户u_i∈U对服务s_j,s_k∈S(j,k＝1,2,…,n)的偏好关系p_i(s_j,s_k)：

其中，r_ij(i＝1,2,…,m,j＝1,2,…,n)为第i个用户u_i对第j个服务s_j的评分，表示用户u_i对服务s_j表现的满意程度，r_ij越大则u_i对s_j越满意；s_j＞_is_k表示用户u_i认为服务s_j优于s_k，s_j＜_is_k表示用户u_i认为服务s_k优于s_j，s_j～_is_k表示用户u_i认为服务s_j和s_k无区别；

Step1.2、记用户u_i的偏好集为P_i＝{p(s_j,s_k)|j,k＝1,2,…,n}，并将其表达为偏好关系矩阵PM_i＝[pm_jk]_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SUB_il＝[sub]_n×n＝PM_i-PM_l(i,l＝1,2,…,m)，统计SUB中为0的元素个数，得到c(u_i,u_l)；c(u_i,u_l)定义为用户u_i，u_l∈U(i,l＝1,2,…,m)偏好关系之间的一致性，表示用户u_i，u_l的偏好集P_i、P_l中相同的偏好关系数量：

$c(u_i,u_l)=\underset{s_j,s_k\&Element;S}{\&Sigma;}{c}_{u_i,u_l}(s_j,s_k)---\left(3\right)$

其中，cu_i,u_l(sj,sk)为用户u_i，u_l∈U(i,l＝1,2,…,m)对服务s_j,s_k∈S(j,k＝1,2,…,n)的偏好一致性：

根据公式(1)和公式(4)，SUB_il中值为0的元素表示pi(sj,sk)＝pl(sj,sk)且cu_i,u_j(sj,sk)＝1；

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(u_i,u_l)；c(u_i,u_l)越大则u_i，u_l之间的偏好关系越一致；将所有u_i，u_l∈U(i,l＝1,2,…,m)的c(u_i,u_l)构成偏好关系一致性矩阵CM＝[c(u_i,u_l)]_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(u_i)，其中i＝1,2,…,m；C(u_i)定义为用户u_i∈U与其他所有用户u_l之间的偏好关系一致性之和，表示u_i的偏好集P_i与其他所有用户偏好集中相同的偏好关系数量：

$C\left(u_i\right)=\underset{u_l\&Element;U}{\&Sigma;}c(u_i,u_l)---\left(5\right)$

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u_i∈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u_i∈U中C(u_i)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u_i∈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u_i∈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u_i∈U^*的C(u_i)，取u_i∈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u_i∈U(i＝1,2,…,m)中C(u_i)最大的用户形成的集合；

Step3.2、根据u^*＝u_i(i＝1,2,…,m)，将其对服务s_j∈S(j＝1,2,…,n)的评分作为s_j的信誉，得到服务信誉r(s_i)＝r_ij。

还包括信誉度量结果有效性验证评估：

通过将用户u_i对服务s_j的评分从r_ij修改为r_ij'以实现对信誉的操纵，根据公式(1)，该修改会导致u_i对s_j和其他服务间的偏好关系发生变化，进一步使得u_i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s_j的评分不仅会改变s_j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。

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r_ij>r_lj不能推断s_j为用户u_i提供的服务优于为用户u_l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r_ij>r_ik，则s_j＞_is_k；如果r_ij<r_ik，则s_j＜_is_k；如果r_ij＝r_ik或r_ij、r_ik无定义，则s_j～_is_k。因此将u^*的评分作为服务信誉是可比较的。

本发明的有益效果是：

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。

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。

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

图1为本发明中方法流程图。

具体实施方式

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。

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,…,u_m}，服务集合为S＝{s₁,s₂,…,s_n}，用户-服务评分矩阵为R＝[r_ij]_m×n，基于评分矩阵R建立用户u_i∈U对服务s_j,s_k∈S(j,k＝1,2,…,n)的偏好关系p_i(s_j,s_k)：

其中，r_ij(i＝1,2,…,m,j＝1,2,…,n)为第i个用户u_i对第j个服务s_j的评分，表示用户u_i对服务s_j表现的满意程度，r_ij越大则u_i对s_j越满意；s_j＞_is_k表示用户u_i认为服务s_j优于s_k，s_j＜_is_k表示用户u_i认为服务s_k优于s_j，s_j～_is_k表示用户u_i认为服务s_j和s_k无区别；

Step1.2、记用户u_i的偏好集为P_i＝{p(s_j,s_k)|j,k＝1,2,…,n}，并将其表达为偏好关系矩阵PM_i＝[pm_jk]_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SUB_il＝[sub]_n×n＝PM_i-PM_l(i,l＝1,2,…,m)，统计SUB中为0的元素个数，得到c(u_i,u_l)；c(u_i,u_l)定义为用户u_i，u_l∈U(i,l＝1,2,…,m)偏好关系之间的一致性，表示用户u_i，u_l的偏好集P_i、P_l中相同的偏好关系数量：

$c(u_i,u_l)=\underset{s_j,s_k\&Element;S}{\&Sigma;}{c}_{u_i,u_l}(s_j,s_k)---\left(3\right)$

其中，cu_i,u_l(sj,sk)为用户u_i，u_l∈U(i,l＝1,2,…,m)对服务s_j,s_k∈S(j,k＝1,2,…,n)的偏好一致性：

根据公式(1)和公式(4)，SUB_il中值为0的元素表示pi(sj,sk)＝pl(sj,sk)且cu_i,u_j(sj,sk)＝1；

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(u_i,u_l)；c(u_i,u_l)越大则u_i，u_l之间的偏好关系越一致；将所有u_i，u_l∈U(i,l＝1,2,…,m)的c(u_i,u_l)构成偏好关系一致性矩阵CM＝[c(u_i,u_l)]_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(u_i)，其中i＝1,2,…,m；C(u_i)定义为用户u_i∈U与其他所有用户u_l之间的偏好关系一致性之和，表示u_i的偏好集P_i与其他所有用户偏好集中相同的偏好关系数量：

$C\left(u_i\right)=\underset{u_l\&Element;U}{\&Sigma;}c(u_i,u_l)---\left(5\right)$

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u_i∈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u_i∈U中C(u_i)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u_i∈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u_i∈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u_i∈U^*的C(u_i)，取u_i∈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u_i∈U(i＝1,2,…,m)中C(u_i)最大的用户形成的集合；

Step3.2、根据u^*＝u_i(i＝1,2,…,m)，将其对服务s_j∈S(j＝1,2,…,n)的评分作为s_j的信誉，得到服务信誉r(s_i)＝r_ij。

还包括信誉度量结果有效性验证评估：

通过将用户u_i对服务s_j的评分从r_ij修改为r_ij'以实现对信誉的操纵，根据公式(1)，该修改会导致u_i对s_j和其他服务间的偏好关系发生变化，进一步使得u_i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s_j的评分不仅会改变s_j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。

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。

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,…,u_m}，服务集合为S＝{s₁,s₂,…,s_n}，用户-服务评分矩阵为R＝[r_ij]_m×n，基于评分矩阵R建立用户u_i∈U对服务s_j,s_k∈S(j,k＝1,2,…,n)的偏好关系p_i(s_j,s_k)：

其中，r_ij(i＝1,2,…,m,j＝1,2,…,n)为第i个用户u_i对第j个服务s_j的评分，表示用户u_i对服务s_j表现的满意程度，r_ij越大则u_i对s_j越满意；s_j＞_is_k表示用户u_i认为服务s_j优于s_k，s_j＜_is_k表示用户u_i认为服务s_k优于s_j，s_j～_is_k表示用户u_i认为服务s_j和s_k无区别；

Step1.2、记用户u_i的偏好集为P_i＝{p(s_j,s_k)|j,k＝1,2,…,n}，并将其表达为偏好关系矩阵PM_i＝[pm_jk]_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SUB_il＝[sub]_n×n＝PM_i-PM_l(i,l＝1,2,…,m)，统计SUB中为0的元素个数，得到c(u_i,u_l)；c(u_i,u_l)定义为用户u_i，u_l∈U(i,l＝1,2,…,m)偏好关系之间的一致性，表示用户u_i，u_l的偏好集P_i、P_l中相同的偏好关系数量：

$c(u_i,u_l)=\underset{s_j,s_k\&Element;S}{\&Sigma;}{c}_{u_i,u_l}(s_j,s_k)---\left(3\right)$

其中，cu_i,u_l(sj,sk)为用户u_i，u_l∈U(i,l＝1,2,…,m)对服务s_j,s_k∈S(j,k＝1,2,…,n)的偏好一致性：

根据公式(1)和公式(4)，SUB_il中值为0的元素表示pi(sj,sk)＝pl(sj,sk)且cu_i,u_j(sj,sk)＝1；

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(u_i,u_l)；c(u_i,u_l)越大则u_i，u_l之间的偏好关系越一致；将所有u_i，u_l∈U(i,l＝1,2,…,m)的c(u_i,u_l)构成偏好关系一致性矩阵CM＝[c(u_i,u_l)]_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(u_i)，其中i＝1,2,…,m；C(u_i)定义为用户u_i∈U与其他所有用户u_l之间的偏好关系一致性之和，表示u_i的偏好集P_i与其他所有用户偏好集中相同的偏好关系数量：

$C\left(u_i\right)=\underset{u_l\&Element;U}{\&Sigma;}c(u_i,u_l)---\left(5\right)$

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u_i∈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u_i∈U中C(u_i)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u_i∈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u_i∈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u_i∈U^*的C(u_i)，取u_i∈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u_i∈U(i＝1,2,…,m)中C(u_i)最大的用户形成的集合；

Step3.2、根据u^*＝u_i(i＝1,2,…,m)，将其对服务s_j∈S(j＝1,2,…,n)的评分作为s_j的信誉，得到服务信誉r(s_i)＝r_ij。

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。

还包括信誉度量结果有效性验证评估：

通过将用户u_i对服务s_j的评分从r_ij修改为r_ij'以实现对信誉的操纵，根据公式(1)，该修改会导致u_i对s_j和其他服务间的偏好关系发生变化，进一步使得u_i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s_j的评分不仅会改变s_j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。

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。

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。

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,…,u_m}，服务集合为S＝{s₁,s₂,…,s_n}，用户-服务评分矩阵为R＝[r_ij]_m×n，基于评分矩阵R建立用户u_i∈U对服务s_j,s_k∈S(j,k＝1,2,…,n)的偏好关系p_i(s_j,s_k)：

其中，r_ij(i＝1,2,…,m,j＝1,2,…,n)为第i个用户u_i对第j个服务s_j的评分，表示用户u_i对服务s_j表现的满意程度，r_ij越大则u_i对s_j越满意；s_j＞_is_k表示用户u_i认为服务s_j优于s_k，s_j＜_is_k表示用户u_i认为服务s_k优于s_j，s_j～_is_k表示用户u_i认为服务s_j和s_k无区别；

Step1.2、记用户u_i的偏好集为P_i＝{p(s_j,s_k)|j,k＝1,2,…,n}，并将其表达为偏好关系矩阵PM_i＝[pm_jk]_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SUB_il＝[sub]_n×n＝PM_i-PM_l(i,l＝1,2,…,m)，统计SUB中为0的元素个数，得到c(u_i,u_l)；c(u_i,u_l)定义为用户u_i，u_l∈U(i,l＝1,2,…,m)偏好关系之间的一致性，表示用户u_i，u_l的偏好集P_i、P_l中相同的偏好关系数量：

$c(u_i,u_l)=\underset{s_j,s_k\&Element;S}{\&Sigma;}{c}_{u_i,u_l}(s_j,s_k)---\left(3\right)$

其中，cu_i,u_l(sj,sk)为用户u_i，u_l∈U(i,l＝1,2,…,m)对服务s_j,s_k∈S(j,k＝1,2,…,n)的偏好一致性：

根据公式(1)和公式(4)，SUB_il中值为0的元素表示pi(sj,sk)＝pl(sj,sk)且cu_i,u_j(sj,sk)＝1；

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(u_i,u_l)；c(u_i,u_l)越大则u_i，u_l之间的偏好关系越一致；将所有u_i，u_l∈U(i,l＝1,2,…,m)的c(u_i,u_l)构成偏好关系一致性矩阵CM＝[c(u_i,u_l)]_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(u_i)，其中i＝1,2,…,m；C(u_i)定义为用户u_i∈U与其他所有用户u_l之间的偏好关系一致性之和，表示u_i的偏好集P_i与其他所有用户偏好集中相同的偏好关系数量：

$C\left(u_i\right)=\underset{u_l\&Element;U}{\&Sigma;}c(u_i,u_l)---\left(5\right)$

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u_i∈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u_i∈U中C(u_i)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u_i∈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u_i∈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u_i∈U(i＝1,2,…,m)中C(u_i)最大的用户形成的集合；

Step3.2、根据u^*＝u_i(i＝1,2,…,m)，将其对服务s_j∈S(j＝1,2,…,n)的评分作为s_j的信誉，得到服务信誉r(s_i)＝r_ij。

还包括信誉度量结果有效性验证评估：

通过将用户u_i对服务s_j的评分从r_ij修改为r_ij'以实现对信誉的操纵，根据公式(1)，该修改会导致u_i对s_j和其他服务间的偏好关系发生变化，进一步使得u_i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s_j的评分不仅会改变s_j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。

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。

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,…,u_m}，服务集合为S＝{s₁,s₂,…,s_n}，用户-服务评分矩阵为R＝[r_ij]_m×n，基于评分矩阵R建立用户u_i∈U对服务s_j,s_k∈S(j,k＝1,2,…,n)的偏好关系p_i(s_j,s_k)：

其中，r_ij(i＝1,2,…,m,j＝1,2,…,n)为第i个用户u_i对第j个服务s_j的评分，表示用户u_i对服务s_j表现的满意程度，r_ij越大则u_i对s_j越满意；s_j＞_is_k表示用户u_i认为服务s_j优于s_k，s_j＜_is_k表示用户u_i认为服务s_k优于s_j，s_j～_is_k表示用户u_i认为服务s_j和s_k无区别；

Step1.2、记用户u_i的偏好集为P_i＝{p(s_j,s_k)|j,k＝1,2,…,n}，并将其表达为偏好关系矩阵PM_i＝[pm_jk]_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SUB_il＝[sub]_n×n＝PM_i-PM_l(i,l＝1,2,…,m)，统计SUB中为0的元素个数，得到c(u_i,u_l)；c(u_i,u_l)定义为用户u_i，u_l∈U(i,l＝1,2,…,m)偏好关系之间的一致性，表示用户u_i，u_l的偏好集P_i、P_l中相同的偏好关系数量：

$c(u_i,u_l)=\underset{s_j,s_k\&Element;S}{\&Sigma;}{c}_{u_i,u_l}(s_j,s_k)---\left(3\right)$

其中，cu_i,u_l(sj,sk)为用户u_i，u_l∈U(i,l＝1,2,…,m)对服务s_j,s_k∈S(j,k＝1,2,…,n)的偏好一致性：

根据公式(1)和公式(4)，SUB_il中值为0的元素表示pi(sj,sk)＝pl(sj,sk)且cu_i,u_j(sj,sk)＝1；

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(u_i,u_l)；c(u_i,u_l)越大则u_i，u_l之间的偏好关系越一致；将所有u_i，u_l∈U(i,l＝1,2,…,m)的c(u_i,u_l)构成偏好关系一致性矩阵CM＝[c(u_i,u_l)]_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(u_i)，其中i＝1,2,…,m；C(u_i)定义为用户u_i∈U与其他所有用户u_l之间的偏好关系一致性之和，表示u_i的偏好集P_i与其他所有用户偏好集中相同的偏好关系数量：

$C\left(u_i\right)=\underset{u_l\&Element;U}{\&Sigma;}c(u_i,u_l)---\left(5\right)$

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u_i∈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，不再继续计算u_i∈U^*的C(u_i)，取u_i∈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u_i∈U(i＝1,2,…,m)中C(u_i)最大的用户形成的集合；

Step3.2、根据u^*＝u_i(i＝1,2,…,m)，将其对服务s_j∈S(j＝1,2,…,n)的评分作为s_j的信誉，得到服务信誉r(s_i)＝r_ij。

还包括信誉度量结果有效性验证评估：

通过将用户u_i对服务s_j的评分从r_ij修改为r_ij'以实现对信誉的操纵，根据公式(1)，该修改会导致u_i对s_j和其他服务间的偏好关系发生变化，进一步使得u_i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s_j的评分不仅会改变s_j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。

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。

1、从用户-服务评分矩阵建立用户对服务的偏好关系

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。

表1

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

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：

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}

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}

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}

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}

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}

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}

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PM_i＝[pm_jk]_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。

表2

2、计算用户偏好关系之间的一致性

2.1、计算SUB_il＝PM_i-PM_l(i,l＝1,2,…,6)。比如，计算SUB₁₂＝PM₁-PM₂如表3所示。

表3

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

SUB₁₂中为0的元素表示p_i(s_j,s_k)＝p_l(s_j,s_k)。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。

2.2、将所有u_i，u_l∈U(i,l＝1,2,…,6)之间的偏好关系一致性c(u_i,u_l)构成偏好关系一致性矩阵CM＝[c(u_i,u_l)]_6×6，如表4所示。

表4

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

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)。

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

在所有u_i∈U(i＝1,2,…,6)中，C(u₃)＝88，为所有C(u_i)中的最大值，因此U^*＝{u₃}。

由于|U^*|＝1，不再继续计算u_i∈U^*的C(u_i)，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。

4、信誉度量结果有效性验证评估

用户u₃与所有用户u_i∈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)。

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。

表5

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

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。

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。

Claims (3)

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。

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：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,…,u_m}，服务集合为S＝{s₁,s₂,…,s_n}，用户-服务评分矩阵为R＝[r_ij]_m×n，基于评分矩阵R建立用户u_i∈U对服务s_j,s_k∈S(j,k＝1,2,…,n)的偏好关系p_i(s_j,s_k)：

其中，r_ij(i＝1,2,…,m,j＝1,2,…,n)为第i个用户u_i对第j个服务s_j的评分，表示用户u_i对服务s_j表现的满意程度，r_ij越大则u_i对s_j越满意；s_j＞_is_k表示用户u_i认为服务s_j优于s_k，s_j＜_is_k表示用户u_i认为服务s_k优于s_j，s_j～_is_k表示用户u_i认为服务s_j和s_k无区别；

Step1.2、记用户u_i的偏好集为P_i＝{p(s_j,s_k)|j,k＝1,2,…,n}，并将其表达为偏好关系矩阵PM_i＝[pm_jk]_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SUB_il＝[sub]_n×n＝PM_i-PM_l(i,l＝1,2,…,m)，统计SUB中为0的元素个数，得到c(u_i,u_l)；c(u_i,u_l)定义为用户u_i，u_l∈U(i,l＝1,2,…,m)偏好关系之间的一致性，表示用户u_i，u_l的偏好集P_i、P_l中相同的偏好关系数量：

$c(u_i,u_l)=\underset{s_j,s_k\&Element;S}{\&Sigma;}{c}_{u_i}{,}_{u_l}(s_j,s_k)---\left(3\right)$

其中，为用户u_i，u_l∈U(i,l＝1,2,…,m)对服务s_j,s_k∈S(j,k＝1,2,…,n)的偏好一致性：

根据公式(1)和公式(4)，SUB_il中值为0的元素表示p_i(s_j,s_k)＝p_l(s_j,s_k)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(u_i,u_l)；c(u_i,u_l)越大则u_i，u_l之间的偏好关系越一致；将所有u_i，u_l∈U(i,l＝1,2,…,m)的c(u_i,u_l)构成偏好关系一致性矩阵CM＝[c(u_i,u_l)]_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(u_i)，其中i＝1,2,…,m；C(u_i)定义为用户u_i∈U与其他所有用户u_l之间的偏好关系一致性之和，表示u_i的偏好集P_i与其他所有用户偏好集中相同的偏好关系数量：

$C\left(u_i\right)=\underset{u_l\&Element;U}{\&Sigma;}c(u_i,u_l)---\left(5\right)$

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u_i∈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u_i∈U中C(u_i)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u_i∈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u_i∈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u_i∈U^*的C(u_i)，取u_i∈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u_i∈U(i＝1,2,…,m)中C(u_i)最大的用户形成的集合；

Step3.2、根据u^*＝u_i(i＝1,2,…,m)，将其对服务s_j∈S(j＝1,2,…,n)的评分作为s_j的信誉，得到服务信誉r(s_i)＝r_ij。

3.根据权利要求1或2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u_i对服务s_j的评分从r_ij修改为rij'以实现对信誉的操纵，根据公式(1)，该修改会导致u_i对s_j和其他服务间的偏好关系发生变化，进一步使得u_i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s_j的评分不仅会改变s_j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。