在线用户声誉评价算法的鲁棒性分析

在线评分系统中的恶意或随机打分为准确评价在线用户声誉带来了极大的挑战.对3种基于迭代的经典在线用户声誉评价算法的鲁棒性进行了细致研究.实验先将不同数量用户打分随机化,再以均方根误差为指标衡量其余用户声誉值受影响程度.实验共在3个数据集中进行,在MovieLens和Netflix两个经典实证数据集上的实验结果表明:系统中1%~60%的用户进行随机打分时,基于关联分析的CR算法始终保持很好的鲁棒性;基于打分迭代的IARR算法的均方根误差略有增大,最大值达到0.22,但整体波动较小;而改进的基于打分迭代的IARR2算法的均方根误差最大值达到0.695,其鲁棒性的较大波动是因算法受高声誉用户的影响较大.在Douban数据集上的结果表明:在打分数据稀疏情况下,CR算法也能保持很好的鲁棒性.     

一种上下文感知的E-commerce评级大数据赋权方法

电子商务(E-commerce)的飞速发展, 产生了大量针对商品的在线评级数据, 通过分析评级数据, 用户可以对商品的质量进行评估. 然而, 评级数据的海量性和差异性使得用户难以快速而准确地评估商品的质量. 鉴于此, 提出一种基于E-commerce 评级的上下文感知赋权方法(context-aware weighting approach, CWA), 以选出少数“重要”的评级数据并抛弃大多数“不重要”的评级数据, 从而确保商品质量评估的快速性和准确性. 最后, 通过一组实验验证了CWA 的有效性.     

债券评级的一种方法--主成分分析法

当前信用风险的度量是比较热门的研究课题,而信用评级作为其中的一部分起着不可忽视的作用．为了增强评级的准确可靠性,给投资者提供更详细的信息,该文在总结前人对信用评级方法研究的基础上,提出了用主成分分析法对债券进行评级,模拟结果表明主成分分析法是有效的。     

我国农村信用社客户信用评级系统研究

客户信用评级系统是银行业为规范授信业务、降低贷款风险而采用的内部评级系统,用于对被评级对象履行还款责任的能力及其可信任程度进行客观公正的评价。建立信用评级体系需要考虑的主要因素是违约概率,用于测算违约概率的评价指标设置的科学性与合理性是系统有效的关键。农村信用社与商业银行虽然同样面临信用风险,但由于二者的服务对象不同,评级指标体系应有所差异,商业银行的信用评级方法不能直接适用于农村信用社。本文综合利用因子分析、聚类分析、多元排序选择模型及Logit模型对农村信用社内部评级系统进行了探讨,并对模型的有效性进行了检验,系统总体可行,但仍需进一步修订完善。     

网站保护中后台数据库入侵检测技术的研究

介绍了数据库中的入侵检测技术．设计了基于数据库的入侵检测系统模型，该模型采用新的结合距离度量思想的用户行为轮廓挖掘算法，考虑了给定数据库模式中数据结构和语义的数据库领域知识，对Apriori算法进行了扩展．挖掘出的频繁项集能更准确地反映用户行为轮廓．并将该模型应用到网站后台数据库的安全保护中，作为一个子系统用于实现后台数据库的入侵检测和保护，构建出一种新的网站综合保护解决方案。     

用户在线行为的记忆性研究

用户在线行为的记忆性研究有助于揭示用户在线行为特性,构建更准确的在线行为预测模式,对基于在线行为的网络安全防御和信息推荐都具有重要的意义。基于收集的某高校网关日志数据,首先分析了用户在线行为中的记忆特性。研究发现用户的在线行为具有较强的记忆性,其分布服从高斯分布。其次,定义了用户在线行为的记忆长度,统计发现其在个体水平和群体水平上都呈现幂律分布,表明用户的在线行为存在长期记忆。据此建立了马尔科夫过程模型,仿真重现了用户上网行为的记忆性特征。研究结果表明用户的在线行为不仅具有记忆性,而且这种记忆性可以为用户在线行为模式的构建提供指导。     

经济下行周期下信用风险的防范策略——着手建立内部评级体系

2004年,巴塞尔银行监管委员会出台了《统一资本计量和资本标准的国际协议：修订框架》（简称《巴塞尔新资本协议》）,确定了基于内部评级法的信用风险度量和资本金计算框架。在经济周期下行阶段,宏观经济环境和市场环境日趋紧缩。这一时期银行尤其需要防范其所面临的信用风险。在这一国际大背景下,我国大中型银行逐步借鉴国际银行业风险管理实践,加强了信用风险管理,初步建立了内部评级体系,积极准备实施《巴塞尔新资本协议》内部评级法。本文重点介绍了我国银行内部评级体系的实施情况以及近期实施内部评级体系所面临的困难。     

基于关联分析的互联网商户评分研究——以餐饮商户评分数据为例

本文通过采集网站上1 500家餐饮商户的评分数据,利用SPSS软件对其进行相关分析和回归分析,挖掘餐饮商户评分数据之间的关联关系。通过相关分析找出用户评分时的打分习惯,发现用户对于各项评分打分时存在关联关系,通过回归分析判断商户的总评分与各项评分之间的关联,发现他们之间存在线性关系。     

我国本土化外币主权评级体系的探讨与启示

本研究重点关注中国第一部国家主权信用评级方法中的外币主权评级方法部分，总结其评判外债偿付能力的指标，并与国际三大评级机构的国家外币主权评级方法对比，希望对我国本土评级机构的外币主权债务评级方法有所启示。     

医评网：给医院评级，帮你找到更安全的医院

医评网对美国5000家医院进行评级，自称它所评出来的五星医院，其死亡风险要比一星医院低73％。用户查询是免费的，但医院若要用其评级来宣传，则需缴费。     

稀疏数据下基于用户偏好的协同过滤算法

协同过滤(collaborative filtering,CF)是推荐系统中最常用和最成功的推荐技术之一.现实中的数据往往比较稀疏,用户之间缺少共同评定项目,使一些传统的相似性度量无法进行计算;此外,传统的协同过滤算法忽视了用户偏好问题,这样会造成推荐精度的下降.针对这些问题,从用户全局项目和地方评级信息分析影响用户兴趣偏好的因素,通过计算用户评级信息在全局的概率分布和使用海明贴近度计算用户的兴趣偏好度,利用Jeffries-Matusita距离得出关于用户偏好的相似度算法,将相似度算法与加权的Jaccard相似度算法有效结合,提出了一种在稀疏数据下基于用户偏好的协同过滤算法模型.实验结果表明,提出的模型性能优于传统协同过滤算法,并且在更为稀疏的数据集上也有很高的准确率.     

面向误差最小化的在线服务信誉度量

由于每个在线服务可以通过其自身的真实质量被客观比较,存在潜在的真相服务排序。为了使用户进行服务选择时有真实客观的在线服务信誉排序作为参考,服务信誉应当尽可能地接近真相服务排序。提出一种面向误差最小化的在线服务信誉度量方法。该方法将用户对服务的偏好排序视为对真实服务排序的带噪估计,利用Kendall tau距离指标来衡量服务排序与真相排序之间的误差,通过设定真相与用户对服务的偏好排序集合之间的平均误差上限找出可能的真相服务排序,寻找与可能的真相服务排序集合之间平均误差最小的服务排序作为服务信誉。由于所有的服务排序都有可能为真相排序,造成了该方法的计算困难,利用分支切割法对该方法进行优化求解。以真实数据集和模拟数据集为基础,通过实验验证了该方法在保证运行效率的同时得到与真相误差更小的信誉度量结果。     

Semantic-Oriented Knowledge Transfer for Review Rating

With the rapid development of Web 2.0, more and more people are sharing their opinions about online products, so there is much product review data. However, it is difficult to compare products directly using ratings because many ratings are based on different scales or ratings are even missing. This paper addresses the following question: given textual reviews, how can we automatically determine the semantic orientations of reviewers and then rank different items? Due to the absence of ratings in many reviews, it is difficult to collect sufficient rating data for certain specific categories of products (e.g., movies), but it is easier to find rating data in another different but related category (e.g., books). We refer to this problem as transfer rating, and try to train a better ranking model for items in the interested category with the help of rating data from another related category. Specifically, we developed a ranking-oriented method called TRate for determining the semantic orientations and for ranking different items and formulated it in a regularized algorithm for rating knowledge transfer by bridging the two related categories via a shared latent semantic space. Tests on the Epinion dataset verified its effectiveness.     

A Bayesian Recommender Model for User Rating and Review Profiling

Intuitively, not only do ratings include abundant information for learning user preferences, but also reviews accompanied by ratings. However, most existing recommender systems take rating scores for granted and discard the wealth of information in accompanying reviews. In this paper, in order to exploit user profiles' information embedded in both ratings and reviews exhaustively, we propose a Bayesian model that links a traditional Collaborative Filtering(CF) technique with a topic model seamlessly. By employing a topic model with the review text and aligning user review topics with "user attitudes"(i.e., abstract rating patterns) over the same distribution, our method achieves greater accuracy than the traditional approach on the rating prediction task. Moreover, with review text information involved, latent user rating attitudes are interpretable and "cold-start" problem can be alleviated.This property qualifies our method for serving as a "recommender" task with very sparse datasets. Furthermore,unlike most related works, we treat each review as a document, not all reviews of each user or item together as one document, to fully exploit the reviews' information. Experimental results on 25 real-world datasets demonstrate the superiority of our model over state-of-the-art methods.     

一种基于旁信息增强的协同过滤自动编码器模型

针对用户评分预测不准确的问题,提出了一种基于旁信息(side-information)对用户兴趣进行预测的协同过滤自动编码器推荐模型,给出了模型的设计原理、损失函数以及具体结构.模型使用单隐藏层自动编码器实现,用户评分与旁信息同为模型的输入/输出数据,旁信息也直接参加模型的训练,这种设计不仅降低了模型的规模和复杂度,而且旁信息可以直接对用户兴趣进行修正.同时,通过对训练数据集合的合理划分与扩充,使得训练的网络模型增加了表达能力.在真实数据集上的对比实验表明,本文提出的方法提高了评分预测的准确度,具有一定的实用价值.     

基于风险的云计算环境用户效用分析

通过分析云计算环境中资源分配和用户任务请求的过程,提出了云计算环境中的用户效用函数,并引入风险对云计算服务和资源由于被非授权访问造成的损失进行量化,得出了基于风险的用户期望效用函数.最后,通过仿真实验论证了任务执行数与用户需求,时间,费用和用户效用之间的关系.从仿真实验可以看出,用户的一次提交的任务数存在一个理想值,在...     

人工智能背景下地图APP持续使用意愿研究

本研究在人工智能背景下,结合地图APP的特点,引入用户满意度和信任两个变量,构建了地图APP持续使用意愿模型;采用统计产品与服务解决方案(SPSS)软件对样本数据进行了实证分析.结果表明:(1)透明性、交互性、丰富性和可靠性经由地图APP的用户满意度对持续使用意愿产生正向影响;(2)交互性、可靠性和个性化通过地图APP的用户信任对持续使用意愿产生正向影响.本研究可为地图APP运营商优化服务和促进用户持续使用地图APP提供建议.应用人工智能技术的地图APP市场竞争激烈,软件运营商识别和满足用户需求对于提升用户持续使用意愿非常重要.     

基于联合物品搭配度的推荐算法框架

针对现有推荐系统大多基于物品(用户)相似度进行计算,其推荐结果无法兼顾推荐对象的搭配性特征的问题,提出了一种基于联合搭配度的推荐算法框架.该算法框架中的联合搭配度模型,结合了用户交互反馈、物品的文本和结构化知识3方面的信息,分别计算目标物品与候选物品的搭配程度,然后利用逻辑回归算法进行搭配度融合,可以得到与目标物品最相搭配的物品推荐列表.通过在淘宝真实数据集上的实验,该推荐算法框架相比于传统基于相似性的推荐算法,显著提高了搭配推荐的性能,同时在用户交互记录较少的情况下也能有较好的精确度.     

大学英语配对口语测试中评分员倾向对评分行为的影响

多面Rasch模型(MFRM)被运用来分析大学英语配对口语测试中评分员倾向对评分宽严度和一致性的影响。采用SPSS和MFRM分析4名有经验的评分员对10对考生的评价数据,结果表明不同性格特征的评分员在宽严度方面存在差异,内向的比外向的评分员更严格;而内、外向评分员在自身一致性方面没有明显的差别。