[发明专利]一种基于Plackett-Luce模型的在线服务评价方法

说明书

本发明涉及一种基于Plackett‑Luce模型的在线服务评价方法，属于在线服务评价领域。首先根据在线服务评分，利用Plackett‑Luce模型得到用户对不同在线服务的偏好值，通过偏好值确定用户对不同服务的偏好关系和服务占优次数。然后根据Plackett‑Luce模型的对数似然函数，用极大似然估计方法构建迭代函数。将服务的占优次数标准化后代入迭代函数计算得出每个在线服务的排序权重，将其作为评价结果对在线服务进行排序。本发明根据用户偏好从概率的角度推断在线服务排序权重，得到在线服务评价结果。同时，本发明不仅可以提高操纵评价结果的难度，而且评价结果满足多数准则。

技术领域

本发明公开了一种基于Plackett-Luce模型的在线服务评价方法，属于在线服务评价领域。

背景技术

在线服务泛指通过互联网技术，向用户提供线上服务的方式。随着互联网的发展和普及，在线服务数量和种类也在飞速增长。因此在线服务技术发展的同时也伴随着用户选择困难的问题：首先，在线服务数量庞大，用户为了选择在线服务，需要花费大量时间浏览各种在线服务；其次，由于网络的虚拟性导致用户难以对在线服务有直观的了解和接触，无法做出有效的判断；最后，服务提供商为了提高自身的销量，可能提供不真实的服务描述信息。上述问题使得用户难以直接选择最好的在线服务，需要通过对在线服务进行评价，帮助用户找到满足需求的服务。目前，大部分第三方平台提供了多种服务评价方法，例如销量排序、价格排序、评分排序等。用户也可以根据服务信誉度从高到底进行排序来选择服务，信誉是对在线服务性能的综合度量。合理的在线服务评价方法可以有效遏制服务提供商提供虚假信息，提高在线服务选择的可靠性，帮助用户更好地做出选择。

Zhang X(<IEEE Transactions on Knowledge&Data Engineering>,2013,26(13):1631-1643)；A(&lt;Decision Support Systems&gt;，2007，43(2):618-644)等论文指出目前在线服务评价方法主要有：平均值(简称Avg)法、简单累加(简称Sum)法。比如eBay使用Sum方法，将用户反馈的评分信息进行求和运算。而Amazon网站则使用了Avg方法，将用户反馈的评分信息进行求均值运算。然而，Avg方法与Sum方法在服务评价过程中没有考虑到用户评价准则不一致问题，即不同用户具有不同的选择标准：有的用户注重服务的性价比、有的用户注重服务的质量、有的用户注重服务体验。不同的用户倾向给予服务较高评分或者给予服务较低评分，进而导致相同服务由于用户评价准则不一致可能得到不同的评分。例如：存在用户u₁，u₂，u₃，存在服务s₁，s₂。三位用户对两个服务的评分如下表所示：

评分矩阵中每个元素取值按照1-5的数值来表达用户对在线服务的满意程度，即1代表非常不满意，2代表不满意，3代表一般，4代表满意，5代表非常满意。用Sum方法和Avg方法得到评价结果如下表所示：