[发明专利]一种基于用户信用的AI社区平台推荐内容排序方法和系统

权利要求书

1.一种基于用户信用的AI社区平台推荐内容排序方法，其特征在于，包括以下步骤：

获取多个连续评估周期内发布评论的所有评论用户，根据自相似算法确定所述评论用户的可信任度；

获取待评估用户发布的有效模型数量和有效数据集数量；

根据所述评论用户的可信任度计算所述待评估用户获得的有效评论数量及有效评价分数；

基于所述有效模型数量、有效数据集数量、获得的有效评论数量及有效评价分数，计算所述待评估用户的信用值；

根据内容的发布用户的信用值对推荐内容进行排序。

2.根据权利要求1所述的基于用户信用的AI社区平台推荐内容排序方法，所述待评估用户发布的有效模型数量和有效数据集数量，包括：

待评估用户累计发布的有效模型数量M和累计发布的有效数据集数量D；

待评估用户在所述多个连续评估周期内平均每个评估周期发布的有效模型数量R_M和有效数据集数量R_D；

所述有效模型和有效数据集分别是指通过社区验证的模型和数据集。

3.根据权利要求1所述的基于用户信用的AI社区平台推荐内容排序方法，其特征在于，根据自相似算法确定所述评论用户的可信任度，包括：

根据评论用户的访问轨迹的重复度确定评论用户在访问轨迹维度上是否具有自相似性；

根据评论用户的评论次数的重复度确定评论用户在评论次数维度上是否具有自相似性；

根据评论用户的评论内容的重复度确定评论用户在评论内容维度上是否具有自相似性；

根据所述评论用户具有自相似性的维度的数量，确定所述评论用户的可信任度。

4.根据权利要求3所述的基于用户信用的AI社区平台推荐内容排序方法，其特征在于，根据评论用户的访问轨迹的重复度确定评论用户在访问轨迹维度上是否具有自相似性，包括：

获取评论用户在所述多个连续评估周期内发布每一条评论前的K₁个访问网址，若所述K₁个访问网址中存在连续重复网址且重复次数大于K₁'，则该条评论有自相似嫌疑；其中访问网址为AI社区内的网址，K₁K₁'；

若评论用户发布的具有自相似嫌疑的评论数量与其发布的总评论数量的比值大于第一阈值，则判断所述评论用户在访问轨迹维度上具有自相似性。

5.根据权利要求3所述的基于用户信用的AI社区平台推荐内容排序方法，其特征在于，根据评论用户的评论次数重复度确定评论用户在评论次数维度上是否具有自相似性，包括：

获取评论用户在所述多个连续评估周期内发布评论的次数，若评论次数重复度超过第二阈值，则判断所述评论用户在评论次数维度上具有自相似性，

其中评论次数重复度计算方法为：在所述多个连续评估周期内依次比较相邻的单位时间内评论用户发布评论的次数，若评论次数相同，则评论次数重复度加1次，其中，重复度初始值为0。

6.根据权利要求3所述的基于用户信用的AI社区平台推荐内容排序方法，其特征在于，根据评论用户的评论内容的重复度确定评论用户在评论内容维度上是否具有自相似性，包括：

获取所述评论用户在所述多个连续评估周期内发布的所有评论内容，计算所述评论内容中每个字的字频，若字频大于K₂的字的数量与评论内容所有字的数量比值大于第三阈值，则判断所述评论用户在评论内容维度上具有自相似性。

7.根据权利要求1所述的基于用户信用的AI社区平台推荐内容排序方法，其特征在于，

所述有效评论数量包括待评估用户累计获得的有效评论数量和待评估用户在所述多个连续评估周期内平均每个评估周期获得的有效评论数量；

所述有效评价分数包括待评估用户在所述多个连续评估周期内发布的模型的平均有效评价分数、待评估用户在所述多个连续评估周期内发布的数据集的平均有效评价分数、以及待评估用户在所述多个连续评估周期内发布的模型和数据集的平均有效评价分数。