[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

说明书

本发明涉及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，方法包括以下步骤：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。

技术领域

本发明涉及AI社区平台推荐内容排序技术领域，尤其涉及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。

背景技术

随着互联网AI模型及数据集的爆炸式增长，AI模型及数据集的创作者与AI模型及数据集受众间的距离被拉进，从而形成了AI社区平台，平台中的创作用户可以发布AI模型和配置好的数据集，供使用者使用。随着模型数量和数据集的急剧增加，AI社区作为AI模型及数据集的交流共享平台，平台包含的同类型的模型或数据集数量庞大，如何推荐可靠的内容供使用者使用成为亟待解决的问题。用户的信用变成很重要的评价指标。

目前已有的用户信用评估方法主要集中在金融行业和以微博、知乎为代表的新媒体、自媒体内容行业，是基于用户的交易、发布行为以及用户与其他用户间的关联关系，展开的风险、价值评估，其用户行为评估指标的特点是易于量化、易于统计，并且用户信用研究主要集中在对用户影响力和影响力真实性的度量上，如：微博用户影响力度量算法、基于用户行为的实时影响力算法、基于行为认知的用户网络行为预测方法等；也有基于用户之间的关联关系和关系网络进行信用评估，如：利用图网络模型预测用户关系，通过交友关系网的可信度指数评估用户的信用水平。

现有的用户信用评估方法没有从AI模型及数据集社区的数据中挖掘信息，并不能适用于AI社区的用户信用评估。因此也缺乏针对AI社区平台的基于用户信用的推荐内容排序方法。

发明内容

鉴于上述的分析，本发明实施例旨在提供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，用以解决现有的缺乏针对AI社区平台的基于用户信用的推荐内容排序方法的问题。

一方面，本发明实施例提供了一种基于用户信用的AI社区平台推荐内容排序方法，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。

上述技术方案的有益效果如下：通过计算用户信用度并有效地去除无效的信用表征，对用户这一主体信用建立量化序列，可有效的指示未来用户发布内容的可用性，使内容推荐排序更加公正客观。通过根据用户发布的有效内容和获得的有效评论即评价从而客观真实的得到用户的信用度，防止了利用伪造评论来提高信用度，信用度计算更加准确。

进一步地，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。