产品评级的数学建模：充分性、不当行为与聚合规则

许多网络服务（如eBay、Tripadvisor、Epinions等）提供历史产品评级，以便用户评估产品质量。产品评级很重要，因为它们影响产品被市场接受的程度。挑战在于我们只有这些评级的“部分信息”：每个用户只对“一小部分产品”提供评级。在这种部分信息设置下，我们探索了一些基本问题：一个产品需要“最少多少评级”才能对其质量做出可靠评估？用户在评级中的“不当行为”（如“作弊”）如何影响评估结果？为了回答这些问题，我们提出了一个基于部分信息的产品评估形式化数学模型。我们推导了产生可靠产品质量指标所需最少评级数量的理论界限。我们还扩展了模型以容纳用户在评级中的不当行为。我们使用合成数据和真实数据（来自TripAdvisor、Amazon和eBay）进行实验以验证模型，并表明使用“多数评级规则”聚合产品评级比“平均评级规则”产生更可靠和稳健的产品评估结果。