FairJudge：评分平台中可信用户的预测
社会与信息网络
2017-03-31 v1 人工智能
机器学习
摘要
评分平台能够大规模收集用户对物品（产品、其他用户等）的意见。然而，许多不可信用户为了获取过度的经济利益而给出欺诈性评分。在本文中，我们提出了 FairJudge，一个用于识别此类欺诈用户的系统。我们提出了三个指标： 用户的公平性，量化用户在评价产品时的可信程度； 评分的可靠性，衡量评分的可靠程度； 产品的优良度，衡量产品的质量。直观上，如果用户提供的可靠评分接近产品的优良度，则该用户是公平的。我们对这些指标给出了相互递归的定义，并进一步解决了冷启动问题，在公式中纳入了用户和产品的行为属性。我们提出了一种迭代算法 FairJudge 来预测这三个指标的值。我们证明 FairJudge 保证在有限次迭代内收敛，且具有线性时间复杂度。通过在五个评分平台上进行五个不同的实验，我们表明 FairJudge 在预测公平和不公平用户方面显著优于九种现有算法。我们向 Flipkart 的评论欺诈调查员报告了 Flipkart 网络中 100 个最不公平的用户，其中 80 个被正确识别（80% 准确率）。FairJudge 算法已在 Flipkart 部署使用。
引用
@article{arxiv.1703.10545,
title = {FairJudge: Trustworthy User Prediction in Rating Platforms},
author = {Srijan Kumar and Bryan Hooi and Disha Makhija and Mohit Kumar and Christos Faloutsos and V. S. Subrahamanian},
journal= {arXiv preprint arXiv:1703.10545},
year = {2017}
}