使用基于标准Beta分布的评级权重设置

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