ReputationPro：电子商务环境中上下文交易信任计算的高效方法
数据结构与算法
2015-01-27 v3 数据库
摘要
在电子商务环境中，卖家的可信度对潜在买家至关重要，尤其是当卖家对他们而言是未知的时候。大多数现有的信任评估模型计算单一数值以反映卖家的总体信任水平，而未考虑任何交易上下文信息。在本文中，我们首先提出了一个由三个数值组成的信任向量，用于上下文交易信任（CTT）。在计算这三个 CTT 值时，考虑了已识别的三个重要上下文维度，包括产品类别、交易金额和交易时间。特别是，针对买家指定的关于上下文维度的不同参数，可以计算出不同的 CTT 值集合。因此，所有这些值可以勾勒出卖家的声誉画像，表明卖家在不同产品类别、价格范围、时间段及其任何必要组合下的动态信任水平。我们将此新模型称为 ReputationPro。然而，在 ReputationPro 中，声誉画像的计算需要新颖的算法，以便对三个上下文维度的大规模评分和交易数据进行聚合预计算，同时需要新的数据结构来适当索引聚合结果，以迅速响应买家的 CTT 请求。为解决这些挑战性难题，我们提出了一种新的索引方案 CMK-tree。此后，我们进一步扩展 CMK-tree 并提出 CMK-treeRS 方法，以减少分配给每个卖家的存储空间。最后，实验结果表明，在计算 CTT 值方面，CMK-tree 的效率优于文献中所有三种现有方法。此外，尽管减少了存储空间，CMK-treeRS 方法在响应买家 CTT 查询方面的性能得到了进一步提升。
引用
@article{arxiv.1311.6543,
title = {ReputationPro: The Efficient Approaches to Contextual Transaction Trust Computation in E-Commerce Environments},
author = {Haibin Zhang and Yan Wang and Xiuzhen Zhang and Ee-Peng Lim},
journal= {arXiv preprint arXiv:1311.6543},
year = {2015}
}
备注
This paper has been withdrawn by the author due to the loss of some figures