机器学习在在线信誉系统中的应用
机器学习
2022-09-13 v1 人工智能
信息检索
摘要
互联网用户通常需要平台提供更好的购买推荐。这可由处理评分以提供推荐的信誉系统实现。评分聚合过程是信誉系统产生关于产品质量的全局意见的主要部分。常用的朴素方法在其计算中不考虑消费者画像，且无法发现不公平评分和新评分中出现的趋势。其他使用加权平均技术的复杂评分聚合方法聚焦于消费者画像数据的一个或少数几个方面。本文提出一种使用机器学习从消费者画像预测消费者可靠性的新信誉系统。特别地，我们通过提取一组对消费者可靠性有重大影响的因素构建了新的消费者画像数据集，作为机器学习算法的输入。随后将预测的权重与加权平均方法结合以计算产品信誉分数。所提模型在三个MovieLens基准数据集上使用10折交叉验证进行了评估。此外，将所提模型性能与先前发表的评分聚合模型进行比较。所得结果令人鼓舞，表明所提方法可能成为信誉系统的潜在解决方案。比较结果证明了我们模型的准确性。最后，所提方法可与在线推荐系统集成，以提供更好的购买推荐并改善在线购物市场的用户体验。
引用
@article{arxiv.2209.04650,
title = {Application of Machine Learning for Online Reputation Systems},
author = {Ahmad Alqwadri and Mohammad Azzeh and Fadi Almasalha},
journal= {arXiv preprint arXiv:2209.04650},
year = {2022}
}