参考文献:
Abdel-Hafez A J. Reputation Model Based on Rating Data and Application in Recommender Systems[D].
Queensland University of Technology, 2016.
其中的第四章
文章提出了一种新的评级聚合方法,其概念是加权平均方法,其中权重是使用统计分布生成的。但是,在这个模型中,使用beta分布而不是正态分布,因为它更灵活地产生不同的分布形状,反映适合每个项目的加权趋势。本章中提出的模型将考虑使用数据集统计信息,包括评级计数,以生成声誉分数。
评级权重应与评级级别(rating levels)和评级数量(rating count)有关。物品的评级级别频率反映了用户对项目的看法,而物品的评级数量反映了评级使用在建立声誉分数方面的可靠性。分配给某个物品的评级数量越高,评级能够反映的意见数量就越多,因此,根据这些评级得出的物品声誉就越准确。比如淘宝某商品高分很多则代表多数用户喜欢该商品,而用户倾向于购买评论多的商品,因为它们相对更加可靠。
在本章中,我们介绍了一种新的声誉方法,称为基于beta分布的声誉(BetaDR)模型,该模型在推导商品声誉时考虑了评级