面向O2O服務(wù)的信任建模及推薦方法研究.pdf

1、移動通信技術(shù)和移動計(jì)算技術(shù)的成熟進(jìn)步，促進(jìn)了O2O(Online to Offline)電子商務(wù)迅猛發(fā)展，給人們生活帶來了許多便利，改變了人們的生活和消費(fèi)方式。然而O2O商務(wù)中的服務(wù)商家大多數(shù)為本地服務(wù)商，經(jīng)營規(guī)模較小，缺乏科學(xué)的管理手段和規(guī)范，且市場難以進(jìn)行有效的監(jiān)管，因此，各種不誠信行為和服務(wù)質(zhì)量問題層出不窮，給廣大消費(fèi)者的造成了利益損失，阻礙了O2O商務(wù)的健康發(fā)展。
　　針對上述問題，本論文通過分析O2O電子商務(wù)中交易實(shí)體的

2、屬性特征，將信任管理引入到O2O環(huán)境的交易過程研究中，通過為商家聲譽(yù)建模，防范O2O商家的震蕩服務(wù)、欺詐、共謀等惡意行為。與此同時，對用戶的社交網(wǎng)絡(luò)進(jìn)行信任建模，識別其信任網(wǎng)絡(luò)中的可信用戶群體，篩選出能夠給目標(biāo)用戶提供有效建議的可靠鄰居用戶，以提高目標(biāo)用戶咨詢信息的針對性。根據(jù)這些成果，結(jié)合用戶的個性化興趣偏好，為目標(biāo)用戶推薦可信的O2O服務(wù)及可信的O2O服務(wù)商家，并將Advogato信任模型引入到推薦方法中，提高推薦方法的運(yùn)行效率，更

3、加適用于移動環(huán)境下的推薦計(jì)算。具體的工作如下。
　　(1)提出了一種面向O2O服務(wù)的移動社交網(wǎng)絡(luò)可信群體識別模型(Trust Modelbased on Advogato-TMBA)。該模型結(jié)合Mark Granovetter的社會網(wǎng)絡(luò)理論，研究O2O商務(wù)中用戶信任網(wǎng)絡(luò)構(gòu)建所涉及的屬性特征和構(gòu)成要素，通過對Advogato信任模型進(jìn)行擴(kuò)展，考慮用戶的互動程度、社交圈子相似性及興趣相似性，采用信任容量優(yōu)先最大流搜索方法建立用戶的個性

4、化信任網(wǎng)絡(luò)，并對個性化信任網(wǎng)絡(luò)中的可信群體進(jìn)行快速識別和排序輸出?；谡鎸?shí)數(shù)據(jù)集的實(shí)驗(yàn)結(jié)果表明，TMBA模型在可信群體預(yù)測的準(zhǔn)確度、漏檢率及Top排序范圍方面比現(xiàn)有的方法效果更優(yōu)。
　　(2)以面向O2O服務(wù)的移動社交網(wǎng)絡(luò)可信群體識別模型為基礎(chǔ)，提出了基于社交網(wǎng)絡(luò)可信群體的輕量級服務(wù)推薦方法。該方法對上述的TMBA可信群體識別模型進(jìn)行改進(jìn)，根據(jù)信任網(wǎng)絡(luò)中用戶社交圈子相似度和互動程度，計(jì)算用戶的局部信任權(quán)重，并融合局部信任權(quán)重和用戶

5、的服務(wù)評價(jià)相似性，進(jìn)行目標(biāo)用戶的服務(wù)評分預(yù)測?；谡鎸?shí)數(shù)據(jù)集與其他推薦方法的對比實(shí)驗(yàn)表明，該推薦方法具有更高的服務(wù)評分預(yù)測準(zhǔn)確度，能更有效的抵抗惡意用戶的托攻擊行為，并具有更低的計(jì)算復(fù)雜度。
　　(3)提出一種多維度的O2O服務(wù)提供商聲譽(yù)計(jì)算模型。該模型克服了現(xiàn)有聲譽(yù)模型以用戶評價(jià)作為主要因素進(jìn)行聲譽(yù)計(jì)算的不足，通過商家客流量和商家歷史運(yùn)營時間長度等客觀因素計(jì)算商家的實(shí)體聲譽(yù)，通過消費(fèi)金額偏離度、地域距離、客戶評價(jià)等因素計(jì)算商家的

6、服務(wù)聲譽(yù)，最后融合生成商家的綜合聲譽(yù)。該模型既考慮了用戶主觀評價(jià)數(shù)據(jù)的重要性又考慮了商家的客觀運(yùn)營數(shù)據(jù)，能更加細(xì)膩合理地反映O2O服務(wù)商家的真實(shí)聲譽(yù)，同其他聲譽(yù)模型相比，能更有效抑制惡意用戶的欺詐行為。
　　(4)以O(shè)2O服務(wù)提供商聲譽(yù)計(jì)算為基礎(chǔ)，提出了一種基于聲譽(yù)計(jì)算的可信O2O服務(wù)提供商推薦方法。該推薦方法基于原始用戶服務(wù)評價(jià)矩陣，通過計(jì)算用戶對服務(wù)的加權(quán)評價(jià)，產(chǎn)生用戶對O2O服務(wù)提供商的綜合評價(jià)，進(jìn)而得到整體的用戶商家綜合評