用户评分模式对电商平台评分算法的影响研究与实证开题报告

1. 研究目的与意义

随着当前电子商务系统的不断发展，为用户提供了更加便利的生活方式。平台为了给用户提供更加有效的信息，评级系统已经成为这类平台的必备要素。用户根据其他用户的评分能够推测出相关商品的质量，为用户的选择提供了一个重要信息。但是随着评分系统的发展，一些问题也逐渐显露。评分系统中出现了一些欺诈用户，这类用户的评分不是根据商品质量，而是有目的地操作商品的评分来获取利益，这类用户影响了市场秩序和评级系统的准确性。为了解决这个问题，逐渐提出了一些欺诈检测的方法通过不同的角度对用户的评分模式进行分析来划分每个用户的信誉值，根据用户的信誉值剔除欺诈用户，这些方法保证了电子商务平台的准确性。虽然这些欺诈检测方法都有较高的准确性，但是仍存在较大的提升空间。因此，如何提高在线评分系统的准确性和鲁棒性，来抵抗欺诈用户的欺诈行为，从而使评分系统对目标商品给出客观的评分，对提高电子商务经济和维护市场秩序具有十分重要的现实和经济意义。

2. 研究内容和预期目标

基于水军恶意提高或降低商品的评分的情况下，我们如何在信誉评分系统中准确地检测出这些恶意用户？是我们目前的主要研究问题。虽然当前已经存在各种欺诈检测方法来检测恶意用户，但是这些方法仍然有很大的进步空间。我们旨在当前方法的基础上，分析各种方法的优缺点来提出一种基于多项式的检测方法，进一步提高欺诈用户的检测准确度。

3. 国内外研究现状

为了减少欺诈用户对电子商务经济的不利影响，目前许多研究者提出了很多不错的方法，来解决这一问题。最早的提出，是基于相关性的算法（CR），它采用相关系数来衡量各用户的评级行为。之后又提出了基于群组的算法GR和IGR，他们认为商品的真实质量往往取决于群体中绝大多数人的意见。此外，一些学者认为用户的评分满足正态分布规律，提出了基于偏差的方法DR，他们认为z分数直接影响着用户的评分模式。虽然这些方法有着各自的优点，但不可避免的存在一些弊端。尤其是在面对大型网络和较稀疏的数据集上，现有的方法很难检测出存在欺诈行为的欺诈用户。在研究中我们发现，现有的算法很难在检测随机用户和恶意用户之间达到一个平衡，是否能够提出一个框架，来解决这一问题，促使着我们研究的进展。

4. 计划与进度安排

首先分析现有的欺诈检测方法，通过分析比较每个方法的优缺点。

综合现有方法的优缺点提出新的欺诈检测方法——基于多项式的欺诈检测。

在数据集方法使用两个真实数据集——movielens和netflix以验证我们所提出的方法的准确性。

5. 参考文献

[1]e.-y. yu, y.-p. wang, y. fu, d.-b. chen, m. xie, identifying critical nodes incomplex networks via graph convolutional networks, knowl.-based syst. 198 (1)(2020) 105893.

[2]d.-h. wang, y.-c. liang, d. xu, x.-y. feng, r.-c. guan, a content basedrecommender system for computer science publications, knowl.-based syst. 157(1) (2018) 1–9.

[3]l.-y. l, m. medo, c.h. yeung, y.-c. zhang, z.-k. zhang, t. zhou, recommendersystems, phys. rep. 519 (1) (2012) 1–49.