消除评分偏差对声誉系统的影响
物理与社会
2018-07-23 v1 计算机与社会
信息检索
社会与信息网络
理论经济学
摘要
电子商务和兴趣类网站的持续快速发展,使得在通过有效声誉系统推荐前评估对象的准确质量变得更加迫切。对象的质量通常基于其历史信息(如选择记录或评分)来计算,以帮助访客在观看、阅读或购买前做出决策。通常高质量产品比低质量产品获得更高的平均评分,而不论评分偏差或误差如何。然而许多实证案例表明,消费者可能被不可靠用户或蓄意篡改给出的评分所误导。在这种情况下,用户的声誉,即可信且精确评分的能力,在评估过程中起着重要作用。因此,设计声誉系统的主要挑战之一是消除用户评分偏差对评估结果的影响。为了客观评估每个用户的声誉并揭示对象的内在质量,我们提出一种迭代平衡(IB)方法来修正用户的评分偏差。在 MovieLens 和 Netflix 两个在线视频网站数据集上的实验表明,IB 方法是一种高度自洽且鲁棒的算法,能够准确量化电影的实际质量和用户评分的稳定性。与现有方法相比,IB 方法在发现"黑马"(即不那么流行但优质的电影)方面具有更高的能力,体现在奥斯卡奖中。
引用
@article{arxiv.1801.05734,
title = {Eliminating the effect of rating bias on reputation systems},
author = {Leilei Wu and Zhuoming Ren and Xiao-Long Ren and Jianlin Zhang and Linyuan Lü},
journal= {arXiv preprint arXiv:1801.05734},
year = {2018}
}
备注
13 pages, 5 figures. All the authors contributed equally to this work