CN112269924A - 基于排名的点评方法、装置、电子设备和介质 - Google Patents
基于排名的点评方法、装置、电子设备和介质 Download PDFInfo
- Publication number
- CN112269924A CN112269924A CN202011107289.9A CN202011107289A CN112269924A CN 112269924 A CN112269924 A CN 112269924A CN 202011107289 A CN202011107289 A CN 202011107289A CN 112269924 A CN112269924 A CN 112269924A
- Authority
- CN
- China
- Prior art keywords
- ranking
- commenting
- user
- evaluated
- value
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 67
- 238000011156 evaluation Methods 0.000 claims abstract description 59
- 238000012163 sequencing technique Methods 0.000 claims abstract description 10
- 238000012545 processing Methods 0.000 claims abstract description 8
- 239000011159 matrix material Substances 0.000 claims description 51
- 238000004458 analytical method Methods 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 8
- 230000008859 change Effects 0.000 claims description 4
- 230000002159 abnormal effect Effects 0.000 abstract description 16
- 230000008569 process Effects 0.000 abstract description 11
- 238000012552 review Methods 0.000 description 10
- 238000011158 quantitative evaluation Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 230000003211 malignant effect Effects 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000002776 aggregation Effects 0.000 description 2
- 238000004220 aggregation Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 102100040160 Rabankyrin-5 Human genes 0.000 description 1
- 101710086049 Rabankyrin-5 Proteins 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000001680 brushing effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Economics (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了一种基于排名的点评方法、装置、电子设备和介质。本申请中基于排名的点评方法包括:获取待处理排名数据,所述待处理排名数据包括点评用户对受评对象的排名信息;分析所述待处理排名数据确定所述点评用户的信用值;根据所述待处理排名数据和所述点评用户的信用值确定所述受评对象的实力值;根据所述受评对象的实力值对所述受评对象进行排序,获得所述受评对象的目标排名,可以在评价处理过程中消除一定异常评价的影响,使评价信息更客观。
Description
技术领域
本发明涉及数据处理技术领域,尤其是涉及一种基于排名的点评方法、装置、电子设备和介质。
背景技术
随着科技不断进步,在给人们带来越来越多选择的同时,也将更多的决策问题摆在人们面前。当用户面对数以万计的商品、酒店、餐厅、电影、书籍时,参考历史评价在决策过程中扮演着越来越重要的作用,各类在线点评系统应运而生。目前,在线点评的主要方式包括定性评价和定量评价两种。
定性评价就是评价者对受评对象进行定性描述,从而表达评价者对受评对象的判断、偏好和态度。例如,用户进行文字评论或者加标签,还支持上传照片或视频来评价。但其他用户参考这些文字、照片和视频时需要花费大量时间,而且很难综合多个评价者的评价意见。
而定量评价就是评价者对受评对象进行量化评分,从而表达评价者对受评对象的判断、偏好和态度。例如,用户可以进行一星到五星的评分,使评价更直观。但普通用户要想准确给出受评对象的分数还是比较纠结的,特别是有些点评系统还要求用户从多个维度进行评分,这导致用户的点评体验比较差,很多用户因此放弃点评或者默认好评。并且,虽然各类点评系统都规定了评分量纲,但是很难统一评价尺度。对于不同尺度的评分,如果简单求均值很难得到客观的总体评分。另外由于缺乏有效甄别机制,大多数在线点评系统对于恶意差评、水军刷分等异常评分的鲁棒性都较差,特别是对于点评数量很少的受评对象,少数异常评分就会拉低或拉高受评对象的整体评分,存在异常评价的影响导致评价信息不客观。
发明内容
本申请提供了一种基于排名的点评方法、装置、电子设备和介质。
第一方面,提供了一种基于排名的点评方法,包括:
获取待处理排名数据,所述待处理排名数据包括点评用户对受评对象的排名信息;
分析所述待处理排名数据确定所述点评用户的信用值;
根据所述待处理排名数据和所述点评用户的信用值确定所述受评对象的实力值;
根据所述受评对象的实力值对所述受评对象进行排序,获得所述受评对象的目标排名。
在一种可选的实施方式中,所述分析所述待处理排名数据确定所述点评用户的信用值,包括:
根据所述待处理排名数据生成所述点评用户的排名矩阵,所述排名矩阵包含所述受评对象在所述点评用户的各次点评中的排名;
根据所述排名矩阵生成所述点评用户的偏好矩阵,所述偏好矩阵包含优序关系,所述优序关系包括在所述点评用户的点评中任一所述受评对象相对于另一受评对象的排序领先次数;
根据所述点评用户的偏好矩阵,通过迭代法更新点评用户的信用初始值,确定所述点评用户的信用值。
在一种可选的实施方式中,所述根据所述点评用户的偏好矩阵,通过迭代法更新点评用户的信用初始值,确定所述点评用户的信用值,包括:
获取所述点评用户的信用初始值,根据所述优序关系和所述信用初始值生成所述受评对象的竞争矩阵,以获得所述优序关系的可信度;
将所述点评用户的信用值更新为所述优序关系的平均可信度;
重复以上步骤直至所述点评用户的信用值变化幅度小于给定阈值,或者,达到最大迭代次数。
在一种可选的实施方式中,所述根据所述待处理排名数据和所述点评用户的信用值确定所述受评对象的实力值包括:
根据所述优序关系和所述点评用户的信用值生成所述受评对象的竞争矩阵;
根据所述竞争矩阵确定所述受评对象的加权出度和加权入度;
根据所述受评对象的加权出度和加权入度获得所述受评对象的实力值。
在一种可选的实施方式中,所述受评对象的实力值为所述加权出度与所述加权入度之差;
或者,所述受评对象的实力值为加权之和与加权之差的比值,所述加权之和为所述加权出度与所述加权入度之和,所述加权之差为所述加权出度与所述加权入度之差。
在一种可选的实施方式中,所述待处理排名数据包括:
多个点评用户从预设受评对象集合中选定的预设数量的受评对象,以及所述受评对象的排名信息。
在一种可选的实施方式中,在所述确定所述点评用户的信用值之后,所述方法还包括:
当检测到所述点评用户的信用值低于预设信用阈值的情况下,将所述点评用户标记为嫌疑恶评用户;
当检测到所述嫌疑恶评用户在评价时对应的信用值至少两次低于所述预设信用阈值的情况下,限制所述嫌疑恶评用户的评价权限。
第二方面,提供了一种基于排名的点评装置,包括:
获取模块,用于获取待处理排名数据,所述待处理排名数据包括点评用户对受评对象的排名信息;
分析模块,用于分析所述待处理排名数据确定所述点评用户的信用值;
所述分析模块还用于,根据所述待处理排名数据和所述点评用户的信用值确定所述受评对象的实力值;
排序模块,用于根据所述受评对象的实力值对所述受评对象进行排序,获得所述受评对象的目标排名。
第三方面,提供了一种电子设备,包括存储器和处理器,所述存储器存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行如第一方面及其任一种可能的实现方式的步骤。
第四方面,提供了一种计算机存储介质,所述计算机存储介质存储有一条或多条指令,所述一条或多条指令适于由处理器加载并执行如上述第一方面及其任一种可能的实现方式的步骤。
本申请通过获取待处理排名数据,上述待处理排名数据包括点评用户对受评对象的排名信息,分析上述待处理排名数据确定上述点评用户的信用值,根据上述待处理排名数据和上述点评用户的信用值确定上述受评对象的实力值,再根据上述受评对象的实力值对上述受评对象进行排序,获得上述受评对象的目标排名,通过“相对排名”代替“绝对评分”,提升用户操作体验,解决量纲不统一问题;通过以点评用户在排名操作中的信用值为权重聚合多个用户的排名,可有效消除消极评价和恶意评价等异常数据的影响,使评价信息更客观。
附图说明
为了更清楚地说明本申请实施例或背景技术中的技术方案,下面将对本申请实施例或背景技术中所需要使用的附图进行说明。
图1为本申请实施例提供的一种基于排名的点评方法的流程示意图;
图2为本申请实施例提供的另一种基于排名的点评方法的流程示意图;
图3为本申请实施例提供的一种基于排名的点评装置的结构示意图;
图4为本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别不同对象,而不是用于描述特定顺序。此外,术语“包括”和“具有”以及它们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
下面结合本申请实施例中的附图对本申请实施例进行描述。
请参阅图1,图1是本申请实施例提供的一种基于排名的点评方法的流程示意图。该方法可包括:
101、获取待处理排名数据,上述待处理排名数据包括点评用户对受评对象的排名信息。
本申请实施例的执行主体可以为一种基于排名的点评装置,可以为电子设备,具体实现中,上述电子设备为一种终端,也可称为终端设备,包括但不限于诸如具有触摸敏感表面(例如,触摸屏显示器和/或触摸板)的移动电话、膝上型计算机或平板计算机之类的其它便携式设备,也可以为一种服务器,服务器在网络中为其它客户端提供计算或者应用服务。还应当理解的是,在某些实施例中,上述设备并非便携式通信设备,而是具有触摸敏感表面(例如,触摸屏显示器和/或触摸板)的台式计算机。在一种可选的实施方式中,上述基于排名的点评方法可以通过相应的软件程序运行。点评用户可以通过客户端的应用程序进行对受评对象进行排名操作。
其中,上述受评对象可以是用户点评的任意对象,包括但不限于各类商品、服务、提供服务的平台、机构、店面或者员工等。上述待处理排名数据可以是至少两个点评用户对至少两个受评对象的排名信息,可以对多个点评用户的排名进行统计分析,其中每个点评用户所选的受评对象可以是完全相同的或者不完全相同(有重叠)的。
可选的,上述待处理排名数据包括:
多个点评用户从预设受评对象集合中选定的预设数量的受评对象,以及上述受评对象的排名信息。
具体的,假设有N个点评用户,有M个受评对象,上述N和M均为大于1的整数。点评用户可对M个受评对象中的部分或者全部进行排名。上述预设受评对象集合为一个点评用户所对应的可评价的受评对象集合,可以根据点评用户的历史消费记录确定,即点评系统可限制点评范围,例如限定用户仅可对其订单产品进行排名,如购买过的商品、入住过的酒店。点评系统可根据预设的范围规则主动向点评用户推送点评请求,点评用户对点评请求中的受评对象进行排名。此外,点评系统也可以开放点评,点评用户主动选择受评对象中的任意子集进行排名,其中可以设置上述预设数量,即限制某次排名的受评对象个数,比如需要用户选择3个受评对象进行排名。在一种可选的实施方式中,为了防止点评用户的消极评价,可以禁止点评用户选择并列排名。本申请实施例对发起排名评价的方式和规则不做限制。
102、分析上述待处理排名数据确定上述点评用户的信用值。
具体的,可以根据多个点评用户对受评对象的排名进行综合分析,初步确定在本次排名处理中各点评用户的信用值。为了消除异常数据的影响,本方法引入点评用户的信用值的概念。总体来讲可以是,在同一批受评对象的排名信息中,把受评对象排在前面的点评数量越多,符合该排名的点评用户的信用值越高。关于信用值具体的算法还可以参考如图2所示实施例中的具体步骤。
在一种可选的实施方式中,上述步骤102之后,该方法还包括:
当检测到上述点评用户的信用值低于预设信用阈值的情况下,将上述点评用户标记为嫌疑恶评用户;
当检测到上述嫌疑恶评用户在评价时对应的信用值至少两次低于上述预设信用阈值的情况下,限制上述嫌疑恶评用户的评价权限。
具体的,可以根据需要设置上述预设信用阈值,根据多个点评用户对受评对象的排名,确定点评用户在此次排名中的信用值之后还可以比较点评用户的信用值和上述预设信用阈值,若有点评用户的信用值低于预设信用阈值,则将该点评用户标记为嫌疑恶评用户,记录在系统中,并可以向该用户发送提示信息。
信用值低的情况可以表示该点评用户的排名结果与其他点评用户的排名严重不符,有恶意评价的嫌疑。在此之后的评估中,若作为嫌疑恶评用户,发生至少两次在评价时其对应的信用值低于上述预设信用阈值的情况,可以在一定的周期内禁止该嫌疑恶评用户继续使用排名功能。可以对信用值较低的嫌疑恶评用户或者恶评用户制定一系列的惩罚措施,本申请实施例对此不做限制。
103、根据上述待处理排名数据和上述点评用户的信用值确定上述受评对象的实力值。
通过上述点评用户的信用值作参考,可以衡量各个受评对象在排名中的竞争力度,以进行加权处理,从而获得各个受评对象的实力值。在一种实施方式中,可以获取优序关系,即主要是为了获得在点评用户的点评中任一受评对象相对于另一受评对象的排序领先次数,再结合点评用户的信用值,生成受评对象的竞争矩阵,以确定受评对象的加权出度和加权入度,其中,加权出度和加权入度在一定程度上分别加权调整了受评对象的排名优、劣,可以理解为,加权出度越大、加权入度越小,则该受评对象的实力越强。可以根据受评对象的加权出度和加权入度获得该受评对象的实力值。关于实力值具体的算法还可以参考如图2所示实施例中的具体步骤。
104、根据上述受评对象的实力值对上述受评对象进行排序,获得上述受评对象的目标排名。
通过上述实力值更能够客观地评价受评对象的排名情况。按照受评对象的实力值从大到小排序,即可得到受评对象的最终聚合排名,即上述目标排名。
本申请实施例中通过“相对排名”代替“绝对评分”,提升用户操作体验,可以解决量纲不统一的问题;通过比对每个评委与其他评委整体排名的差异,确定每个评委的信用值,再以信用值为权重聚合多个用户的排名,可有效消除消极评价和恶意评价等异常数据的影响。
本申请通过获取待处理排名数据,上述待处理排名数据包括点评用户对受评对象的排名信息,分析上述待处理排名数据确定上述点评用户的信用值,根据上述待处理排名数据和上述点评用户的信用值确定上述受评对象的实力值,再根据上述受评对象的实力值对上述受评对象进行排序,获得上述受评对象的目标排名,可以在评价处理过程中消除一定异常评价的影响,使评价信息更客观。
请参阅图2,图2是本申请实施例提供的另一种基于排名的点评方法的流程示意图。如图2所示,该方法可具体包括:
201、获取待处理排名数据,上述待处理排名数据包括点评用户对受评对象的排名信息。
本申请实施例的执行主体可以为一种基于排名的点评装置,可以为电子设备,具体实现中,上述电子设备为一种终端,也可称为终端设备,包括但不限于诸如具有触摸敏感表面(例如,触摸屏显示器和/或触摸板)的移动电话、膝上型计算机或平板计算机之类的其它便携式设备,也可以为一种服务器,服务器在网络中为其它客户端提供计算或者应用服务。还应当理解的是,在某些实施例中,上述设备并非便携式通信设备,而是具有触摸敏感表面(例如,触摸屏显示器和/或触摸板)的台式计算机。在一种可选的实施方式中,上述基于排名的点评方法可以通过相应的软件程序运行。点评用户可以通过客户端的应用程序进行对受评对象进行排名操作。
其中,上述步骤201可以参考图1所示实施例中步骤101的具体步骤,此处不再赘述。
202、根据上述待处理排名数据生成上述点评用户的排名矩阵,上述排名矩阵包含上述受评对象在上述点评用户的各次点评中的排名。
可以通过排名矩阵完整准确地表示点评用户对各个受评对象的排名情况。具体的,假设有N个点评用户,有M个受评对象,点评用户可对M个受评对象中的部分或者全部进行排名,上述N和M均为大于1的整数。
本申请实施例中的点评系统可限制点评范围,例如限定用户仅可对其订单产品进行排名,如购买过的商品、入住过的酒店。点评系统可根据预设的范围规则主动向点评用户推送点评请求,点评用户对点评请求中的受评对象进行排名。此外,点评系统也可以开放点评,点评用户主动选择受评对象中的任意子集进行排名。为了防止点评用户的消极评价,可以禁止点评用户选择并列排名。
203、根据上述排名矩阵生成上述点评用户的偏好矩阵,上述偏好矩阵包含优序关系,上述优序关系包括在上述点评用户的点评中任一上述受评对象相对于另一受评对象的排序领先次数。
具体的,记为点评用户ui的偏好矩阵,其中表示:点评用户ui在Ti次点评中同时点评了受评对象vx和vy,并且vx排在vy的前面的次数,即pi中的每一个非零元素对应一组上述优序关系(x,y),可以记点评用户ui对应的优序集合为
204、根据上述点评用户的偏好矩阵,通过迭代法更新点评用户的信用初始值,确定上述点评用户的信用值。
具体的,为了消除异常数据的影响,本申请实施例中引入点评用户信用值的概念。令Ci≥0为点评用户ui的信用值,Ci越大,点评用户ui对最终评价结果的影响越大。需要注意的是本申请实施例中点评用户的信用值指的是在本次排名操作中该用户的信用值,区别于积累的历史信用。可以定义受评对象之间的竞争矩阵为A=(axy)M×M,其中可以理解,在所有点评用户给出的排名中,把受评对象vx排在vy前面的点评数量越多,点评用户的信用值越高,则axy越大。上述竞争矩阵A从整体上反映了受评对象之间的优序关系。
在一种实施方式中,上述步骤204具体可包括:
获取上述点评用户的信用初始值,根据上述优序关系和上述信用初始值生成上述受评对象的竞争矩阵,以获得上述优序关系的可信度;
将上述点评用户的信用值更新为上述优序关系的平均可信度;
重复以上步骤直至上述点评用户的信用值变化幅度小于给定阈值,或者,达到最大迭代次数。
具体的,为了得到点评用户ui的信用值Ci从而得到竞争矩阵A,可以预设上述信用初始值,并采用如下信用迭代方法计算点评用户的信用值,其中涉及到的部分公式表达在已前述进行解释。
3、令所有点评用户的初始信用值均为1,即C1=C1=...=Ci=...=CN=1。
6、将点评用户ui的信用值Ci更新为上述优序集合Φi中所包含优序关系的平均可信度,即Ci=∑(x,y)∈ΦiWxy/|Φ|i;如果Ci≤0,令Ci=0。
8、输出竞争矩阵A和信用值C。
通过上述方法可以获得受评对象的竞争矩阵A和点评用户的信用值C,再进一步计算受评对象的实力值来进行排名。可选的,在上述信用迭代阶段,可以采用其他可信度计算公式进行可信度计算,本申请实施例对此不做限制。
205、根据上述待处理排名数据和上述点评用户的信用值确定上述受评对象的实力值。
在一种实施方式中,上述步骤205具体可包括:
根据上述优序关系和上述点评用户的信用值生成上述受评对象的竞争矩阵;
根据上述竞争矩阵确定上述受评对象的加权出度和加权入度;
根据上述受评对象的加权出度和加权入度获得上述受评对象的实力值。
进一步具体的,可以令表示受评对象vx的加权出度,表示受评对象vx的加权入度。显然越大、越小,受评对象vx的实力越强。上述加权出度和加权入度影响了受评对象的排名,因此可以用于确定受评对象的实力值,以进行合理的排名。
可选的,本申请实施例中,在上述排名聚合阶段还可以采用其他实力值计算公式,此处不做限制。
206、根据上述受评对象的实力值对上述受评对象进行排序,获得上述受评对象的目标排名。
具体的,可以按照上述受评对象的实力值从大到小排序,即可得到受评对象的最终聚合排名(目标排名)。可以通过将上述算法植入程序,自动周期性地完成受评对象的排名统计和更新。
本申请实施例通过“相对排名”代替“绝对评分”,提升用户操作体验,解决量纲不统一问题;通过比对每个点评用户与其他点评用户整体排名的差异,迭代计算每个评委的信用值,再以信用值为权重聚合多个用户的排名,可有效消除消极评价和恶意评价等异常数据的影响。
举例来讲,假设5个点评用户对5个受评对象进行排名,每个点评用户提交了两次排名,每次排名中包含3个受评对象,具体排名情况如表1所示。从表1可看出,点评用户u5的排名结果与其他评委的排名严重不符,有恶意评价的嫌疑。
表1
下面采用前述实施例提出的信用迭代方法来聚合排名,给定阈值δ=10-4,最大迭代次数Itmax=100,具体计算过程及结果如表2所示。从表2可以看出,在迭代过程中点评用户u5的信用值被降低为0。经过8次迭代后得到竞争矩阵A为:
C<sub>1</sub> | C<sub>2</sub> | C<sub>3</sub> | C<sub>4</sub> | C<sub>5</sub> | Δ | |
t=0 | 1 | 1 | 1 | 1 | 1 | |
t=1 | 0.6333 | 0.3733 | 0.5000 | 0.3400 | 0 | 1.4875 |
t=2 | 0.8673 | 0.7552 | 0.6839 | 0.7121 | 0 | 0.6106 |
t=3 | 0.8814 | 0.7490 | 0.6552 | 0.7324 | 0 | 0.0384 |
t=4 | 0.8853 | 0.7482 | 0.6480 | 0.7371 | 0 | 0.0095 |
t=5 | 0.8864 | 0.7482 | 0.6462 | 0.7382 | 0 | 0.0024 |
t=6 | 0.8867 | 0.7482 | 0.6457 | 0.7385 | 0 | 0.0005 |
t=7 | 0.8867 | 0.7482 | 0.6456 | 0.7385 | 0 | 0.0001 |
t=8 | 0.8868 | 0.7482 | 0.6456 | 0.7485 | 0 | 00000 |
表2
基于竞争矩阵A,计算得到每个受评对象的实力值、相对实力值如下表3所示。按照实力值或者相对实力值从大到小排名,均得到聚合排名为:v1>v2>v3>v4>v5。上述结果可以表明本申请所提出的方法可以有效消除在点评系统处理中异常评价数据的影响。
v<sub>1</sub> | v<sub>2</sub> | v<sub>3</sub> | v<sub>4</sub> | v<sub>5</sub> | |
实力值 | 7.5152 | 3.2699 | -2.5217 | -3.2505 | -5.0129 |
相对实力值 | 1.0000 | 0.4186 | -0.4514 | -0.4435 | -0.7724 |
聚合排名 | 1 | 2 | 3 | 4 | 5 |
表3
目前很多评价系统使用定量评价的方式,例如某平台1中用户进行评论时还可以对电影或书籍进行一星到五星的评价,将用户的评价换算成0到10分,再求均值就得到了电影和书籍的评分;某平台2中用户可以对餐厅按照“总体”、“口味”、“环境”、“服务”四个维度进行一星到五星的评分;某平台3中用户可以对酒店按照“卫生”、“环境”、“服务”、“设施”四个维度进行1分到5分的评分;某平台4中用户可以对商品按照“好评”、“中评”、“差评”三档进行整体评价,再从“描述相符”、“物流服务”、“服务态度”三个维度进行1分到5分的评分。
上述定量评价的最大优点是直观,但是,目前基于定量评价的在线点评方式也面临很多瓶颈问题。一是点评体验问题。目前,无论是三分制、五分制、十分制还是百分制,普通用户要想准确给出受评对象的分数还是比较纠结的,特别是有些点评系统还要求用户从多个维度进行评分,这导致用户的点评体验比较差,很多用户因此放弃点评或者默认好评。二是评分尺度问题。目前,虽然各类点评系统都规定了评分量纲,但是很难统一评价尺度。有的用户尺度很严,很好的受评评对象也只给三星;有的用户尺度很松,很差的受评对象也给三星。对于不同尺度的评分,如果简单求均值很难得到客观的总体评分。三是异常评价问题。目前,由于缺乏有效甄别机制,大多数在线点评系统对于恶意差评、水军刷分等异常评分的鲁棒性都较差,特别是对于点评数量很少的受评对象,少数异常评分就会拉低或拉高受评对象的整体评分。
相对于上述在线点评系统存在的问题,本申请实施例中的基于排名的点评方法,通过“相对排名”代替“绝对评分”,提升用户操作体验,解决量纲不统一问题,通过“排名聚合”代替“求平均值”,以及通过“信用迭代”,使统计结果更准确客观,消除异常评价的影响,有助于建立更完善公正的互联网服务平台。
基于上述基于排名的点评方法实施例的描述,本申请实施例还公开了一种基于排名的点评装置。请参见图3,基于排名的点评装置300包括:
获取模块310,用于获取待处理排名数据,上述待处理排名数据包括点评用户对受评对象的排名信息;
分析模块320,用于分析上述待处理排名数据确定上述点评用户的信用值;
上述分析模块320还用于,根据上述待处理排名数据和上述点评用户的信用值确定上述受评对象的实力值;
排序模块330,用于根据上述受评对象的实力值对上述受评对象进行排序,获得上述受评对象的目标排名。
可选的,上述分析模块320具体用于:
根据上述待处理排名数据生成上述点评用户的排名矩阵,上述排名矩阵包含上述受评对象在上述点评用户的各次点评中的排名;
根据上述排名矩阵生成上述点评用户的偏好矩阵,上述偏好矩阵包含优序关系,上述优序关系包括在上述点评用户的点评中任一上述受评对象相对于另一受评对象的排序领先次数;
根据上述点评用户的偏好矩阵,通过迭代法更新点评用户的信用初始值,确定上述点评用户的信用值。
可选的,上述分析模块320具体用于:
获取上述点评用户的信用初始值,根据上述优序关系和上述信用初始值生成上述受评对象的竞争矩阵,以获得上述优序关系的可信度;
将上述点评用户的信用值更新为上述优序关系的平均可信度;
重复以上步骤直至上述点评用户的信用值变化幅度小于给定阈值,或者,达到最大迭代次数。
可选的,上述分析模块320还具体用于:
根据上述优序关系和上述点评用户的信用值生成上述受评对象的竞争矩阵;
根据上述竞争矩阵确定上述受评对象的加权出度和加权入度;
根据上述受评对象的加权出度和加权入度获得上述受评对象的实力值。
可选的,上述受评对象的实力值为上述加权出度与上述加权入度之差;
或者,上述受评对象的实力值为加权之和与加权之差的比值,上述加权之和为上述加权出度与上述加权入度之和,上述加权之差为上述加权出度与上述加权入度之差。
可选的,上述待处理排名数据包括:
多个点评用户从预设受评对象集合中选定的预设数量的受评对象,以及上述受评对象的排名信息。
可选的,上述基于排名的点评装置300还包括处理模块340,用于在上述确定上述点评用户的信用值之后,当检测到上述点评用户的信用值低于预设信用阈值的情况下,将上述点评用户标记为嫌疑恶评用户;
当检测到上述嫌疑恶评用户在评价时对应的信用值至少两次低于上述预设信用阈值的情况下,限制上述嫌疑恶评用户的评价权限。
根据本申请的一个实施例,图1和图2所示的方法所涉及的各个步骤均可以是由图3所示的基于排名的点评装置300中的各个模块执行的,此处不再赘述。
本申请实施例中的基于排名的点评装置300,可以获取待处理排名数据,上述待处理排名数据包括点评用户对受评对象的排名信息,分析上述待处理排名数据确定上述点评用户的信用值,根据上述待处理排名数据和上述点评用户的信用值确定上述受评对象的实力值,再根据上述受评对象的实力值对上述受评对象进行排序,获得上述受评对象的目标排名,通过“相对排名”代替“绝对评分”,提升用户操作体验,解决量纲不统一问题;通过以点评用户在排名操作中的信用值为权重聚合多个用户的排名,可有效消除消极评价和恶意评价等异常数据的影响,使评价信息更客观。
基于上述方法实施例以及装置实施例的描述,本申请实施例还提供一种电子设备。请参见图4,该电子设备400至少包括处理器401、输入设备402、输出设备403以及计算机存储介质404。其中,终端内的处理器401、输入设备402、输出设备403以及计算机存储介质404可通过总线或其他方式连接。
计算机存储介质404可以存储在终端的存储器中,上述计算机存储介质404用于存储计算机程序,上述计算机程序包括程序指令,上述处理器401用于执行上述计算机存储介质404存储的程序指令。处理器401(或称CPU(Central Processing Unit,中央处理器))是终端的计算核心以及控制核心,其适于实现一条或多条指令,具体适于加载并执行一条或多条指令从而实现相应方法流程或相应功能;在一个实施例中,本申请实施例上述的处理器401可以用于进行一系列的处理,包括如图1和图2所示实施例中方法等等。
本申请实施例还提供了一种计算机存储介质(Memory),上述计算机存储介质是终端中的记忆设备,用于存放程序和数据。可以理解的是,此处的计算机存储介质既可以包括终端中的内置存储介质,当然也可以包括终端所支持的扩展存储介质。计算机存储介质提供存储空间,该存储空间存储了终端的操作系统。并且,在该存储空间中还存放了适于被处理器401加载并执行的一条或多条的指令,这些指令可以是一个或一个以上的计算机程序(包括程序代码)。需要说明的是,此处的计算机存储介质可以是高速RAM存储器,也可以是非不稳定的存储器(non-volatile memory),例如至少一个磁盘存储器;可选的还可以是至少一个位于远离前述处理器的计算机存储介质。
在一个实施例中,可由处理器401加载并执行计算机存储介质中存放的一条或多条指令,以实现上述实施例中的相应步骤;具体实现中,计算机存储介质中的一条或多条指令可以由处理器401加载并执行图1和/或图2中方法的任意步骤,此处不再赘述。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的装置和模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统、装置和方法,可以通过其它的方式实现。例如,该模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如,多个模块或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。所显示或讨论的相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口,装置或模块的间接耦合或通信连接,可以是电性,机械或其它的形式。
作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理模块,即可以位于一个地方,或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。该计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行该计算机程序指令时,全部或部分地产生按照本申请实施例的流程或功能。该计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。该计算机指令可以存储在计算机可读存储介质中,或者通过该计算机可读存储介质进行传输。该计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(digital subscriber line,DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。该计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。该可用介质可以是只读存储器(read-onlymemory,ROM),或随机存储存储器(random access memory,RAM),或磁性介质,例如,软盘、硬盘、磁带、磁碟、或光介质,例如,数字通用光盘(digital versatile disc,DVD)、或者半导体介质,例如,固态硬盘(solid state disk,SSD)等。
Claims (10)
1.一种基于排名的点评方法,其特征在于,包括:
获取待处理排名数据,所述待处理排名数据包括点评用户对受评对象的排名信息;
分析所述待处理排名数据确定所述点评用户的信用值;
根据所述待处理排名数据和所述点评用户的信用值确定所述受评对象的实力值;
根据所述受评对象的实力值对所述受评对象进行排序,获得所述受评对象的目标排名。
2.根据权利要求1所述的基于排名的点评方法,其特征在于,所述分析所述待处理排名数据确定所述点评用户的信用值,包括:
根据所述待处理排名数据生成所述点评用户的排名矩阵,所述排名矩阵包含所述受评对象在所述点评用户的各次点评中的排名;
根据所述排名矩阵生成所述点评用户的偏好矩阵,所述偏好矩阵包含优序关系,所述优序关系包括在所述点评用户的点评中任一所述受评对象相对于另一受评对象的排序领先次数;
根据所述点评用户的偏好矩阵,通过迭代法更新点评用户的信用初始值,确定所述点评用户的信用值。
3.根据权利要求2所述的基于排名的点评方法,其特征在于,所述根据所述点评用户的偏好矩阵,通过迭代法更新点评用户的信用初始值,确定所述点评用户的信用值,包括:
获取所述点评用户的信用初始值,根据所述优序关系和所述信用初始值生成所述受评对象的竞争矩阵,以获得所述优序关系的可信度;
将所述点评用户的信用值更新为所述优序关系的平均可信度;
重复以上步骤直至所述点评用户的信用值变化幅度小于给定阈值,或者,达到最大迭代次数。
4.根据权利要求1-3任一项所述的基于排名的点评方法,其特征在于,所述根据所述待处理排名数据和所述点评用户的信用值确定所述受评对象的实力值包括:
根据所述优序关系和所述点评用户的信用值生成所述受评对象的竞争矩阵;
根据所述竞争矩阵确定所述受评对象的加权出度和加权入度;
根据所述受评对象的加权出度和加权入度获得所述受评对象的实力值。
5.根据权利要求4所述的基于排名的点评方法,其特征在于,所述受评对象的实力值为所述加权出度与所述加权入度之差;
或者,所述受评对象的实力值为加权之和与加权之差的比值,所述加权之和为所述加权出度与所述加权入度之和,所述加权之差为所述加权出度与所述加权入度之差。
6.根据权利要求1-3任一项所述的基于排名的点评方法,其特征在于,所述待处理排名数据包括:
多个点评用户从预设受评对象集合中选定的预设数量的受评对象,以及所述受评对象的排名信息。
7.根据权利要求6所述的基于排名的点评方法,其特征在于,在所述确定所述点评用户的信用值之后,所述方法还包括:
当检测到所述点评用户的信用值低于预设信用阈值的情况下,将所述点评用户标记为嫌疑恶评用户;
当检测到所述嫌疑恶评用户在评价时对应的信用值至少两次低于所述预设信用阈值的情况下,限制所述嫌疑恶评用户的评价权限。
8.一种基于排名的点评装置,其特征在于,包括:
获取模块,用于获取待处理排名数据,所述待处理排名数据包括点评用户对受评对象的排名信息;
分析模块,用于分析所述待处理排名数据确定所述点评用户的信用值;
所述分析模块还用于,根据所述待处理排名数据和所述点评用户的信用值确定所述受评对象的实力值;
排序模块,用于根据所述受评对象的实力值对所述受评对象进行排序,获得所述受评对象的目标排名。
9.一种电子设备,其特征在于,包括存储器和处理器,所述存储器存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行如权利要求1至7中任一项所述的基于排名的点评方法的步骤。
10.一种计算机可读存储介质,其特征在于,存储有计算机程序,所述计算机程序被处理器执行时,使得所述处理器执行如权利要求1至7中任一项所述的基于排名的点评方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011107289.9A CN112269924B (zh) | 2020-10-16 | 2020-10-16 | 基于排名的点评方法、装置、电子设备和介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011107289.9A CN112269924B (zh) | 2020-10-16 | 2020-10-16 | 基于排名的点评方法、装置、电子设备和介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112269924A true CN112269924A (zh) | 2021-01-26 |
CN112269924B CN112269924B (zh) | 2024-08-09 |
Family
ID=74338873
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011107289.9A Active CN112269924B (zh) | 2020-10-16 | 2020-10-16 | 基于排名的点评方法、装置、电子设备和介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112269924B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113269572A (zh) * | 2021-07-01 | 2021-08-17 | 广西师范大学 | 基于信誉度的区块链农产品溯源可信数据上传方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110041075A1 (en) * | 2009-08-12 | 2011-02-17 | Google Inc. | Separating reputation of users in different roles |
CN105825324A (zh) * | 2016-03-10 | 2016-08-03 | 中国人民解放军国防科学技术大学 | 一种带有局部信息的排名列表聚合方法 |
US20160283497A1 (en) * | 2015-03-27 | 2016-09-29 | Ca, Inc. | Analysis of mobile application reviews based on content, reviewer credibility, and temporal and geographic clustering |
CN106845730A (zh) * | 2017-02-16 | 2017-06-13 | 深圳大学 | 一种基于评分网络的含时信誉评价算法 |
WO2017121054A1 (zh) * | 2016-01-15 | 2017-07-20 | 深圳大学 | 一种在线评分方法及其系统 |
-
2020
- 2020-10-16 CN CN202011107289.9A patent/CN112269924B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110041075A1 (en) * | 2009-08-12 | 2011-02-17 | Google Inc. | Separating reputation of users in different roles |
US20160283497A1 (en) * | 2015-03-27 | 2016-09-29 | Ca, Inc. | Analysis of mobile application reviews based on content, reviewer credibility, and temporal and geographic clustering |
WO2017121054A1 (zh) * | 2016-01-15 | 2017-07-20 | 深圳大学 | 一种在线评分方法及其系统 |
CN105825324A (zh) * | 2016-03-10 | 2016-08-03 | 中国人民解放军国防科学技术大学 | 一种带有局部信息的排名列表聚合方法 |
CN106845730A (zh) * | 2017-02-16 | 2017-06-13 | 深圳大学 | 一种基于评分网络的含时信誉评价算法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113269572A (zh) * | 2021-07-01 | 2021-08-17 | 广西师范大学 | 基于信誉度的区块链农产品溯源可信数据上传方法 |
CN113269572B (zh) * | 2021-07-01 | 2023-12-12 | 广西师范大学 | 基于信誉度的区块链农产品溯源可信数据上传方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112269924B (zh) | 2024-08-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP4956425B2 (ja) | 調査候補者のリアルタイム選択 | |
CN107220852A (zh) | 用于确定目标推荐用户的方法、装置和服务器 | |
JP4886749B2 (ja) | 推薦商品選択装置、推薦商品選択プログラムおよび商品検索装置 | |
US20120035978A1 (en) | System for and Method of Determining Relative Value of a Product | |
US9208202B1 (en) | Systems and methods for determining interest in an item or category of items | |
US10162868B1 (en) | Data mining system for assessing pairwise item similarity | |
CN107808314B (zh) | 用户推荐方法及装置 | |
CN109299356B (zh) | 基于大数据的活动推荐方法、装置、电子设备及存储介质 | |
CN111738785A (zh) | 选品方法、系统及存储介质 | |
US11704705B2 (en) | Systems and methods for an intelligent sourcing engine for study participants | |
CN111611496A (zh) | 产品推荐方法及其装置 | |
CN111754287A (zh) | 物品筛选方法、装置、设备和存储介质 | |
CN110720099A (zh) | 基于种子监督学习提供推荐的系统和方法 | |
CN112269924B (zh) | 基于排名的点评方法、装置、电子设备和介质 | |
Hussain et al. | A usability testing of a mobile print shop booking and design application | |
US20160148271A1 (en) | Personalized Marketing Based on Sequence Mining | |
US20230368226A1 (en) | Systems and methods for improved user experience participant selection | |
CN107729424A (zh) | 一种数据可视化方法及设备 | |
CN111159575A (zh) | 一种基于手机银行的交友方法及装置 | |
CN112015970A (zh) | 产品推荐方法、相关设备及计算机存储介质 | |
JP6585998B2 (ja) | コンテンツ決定装置 | |
CN114090873A (zh) | 匹配数据的方法、装置、设备和计算机可读介质 | |
CN113837843A (zh) | 产品推荐方法、装置、介质及电子设备 | |
CN112270463A (zh) | 多方数据集结处理方法、装置、电子设备和介质 | |
CN113763070A (zh) | 信息推荐方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |