一種商品的質(zhì)量評價方法和裝置的制造方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及計算機技術(shù)領(lǐng)域，具體涉及一種商品的質(zhì)量評價方法和裝置。
【背景技術(shù)】
[0002] 隨著互聯(lián)網(wǎng)技術(shù)的不斷發(fā)展，商品推薦系統(tǒng)作為建立在海量數(shù)據(jù)挖掘基礎(chǔ)上的一 種高級商務智能平臺，可以幫助電子商務網(wǎng)站為其顧客購物提供決策支持和信息服務，商 品推薦系統(tǒng)可為用戶推薦商品，協(xié)助用戶選擇商品，滿足用戶對高質(zhì)量商品的需求?？梢钥?定的是，高質(zhì)量的商品通常會得到用戶給出的高評分，低質(zhì)量的商品也往往只能得到用戶 給出的低評分。
[0003] 現(xiàn)有技術(shù)中常用的計算商品質(zhì)量的方法是:將所有用戶對某一商品的歷史評價值 進行累加，然后取平均值就可以得到該商品的最終質(zhì)量值。但現(xiàn)有的該方法至少存在如下 缺陷：不同信譽的用戶對商品的最終質(zhì)量值產(chǎn)生的作用都是相同的，即無法針對不同信譽 的用戶來計算商品的最終質(zhì)量值?，F(xiàn)有技術(shù)中同樣也存在一些為計算用戶信譽值的方法， 可以實現(xiàn)為每一個用戶加入一個權(quán)重值，信譽越穩(wěn)定的用戶評價產(chǎn)生的誤差越小，為其設(shè) 置的權(quán)重就越大。
[0004] 由于現(xiàn)有網(wǎng)絡中會經(jīng)常存在虛假信息或者不可靠的用戶，這些用戶對某些商品的 不真實評價將會影響其他用戶對該商品的后續(xù)購買，從而導致對該商品產(chǎn)生偏見，因此在 商品推薦系統(tǒng)中消除這些虛假信息，獲得商品內(nèi)在的真實質(zhì)量對各大電商平臺來說是一項 重要任務?，F(xiàn)有的計算用戶信譽值的方法在商品推薦系統(tǒng)中受到營銷賬戶、水軍的虛假評 論等對系統(tǒng)的"惡意攻擊"時，現(xiàn)有算法的魯棒性比較弱，無法避免虛假用戶或者用戶偏見 引起的對商品質(zhì)量評價的影響。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明的目的在于提供一種商品的質(zhì)量評價方法和裝置，用于在商品評價中通過 消費者的不同信譽水平調(diào)節(jié)對商品質(zhì)量評價的權(quán)重，從而提高系統(tǒng)中商品評價的準確性。
[0006] 為了達到上述目的，本發(fā)明采用這樣的如下技術(shù)方案：
[0007] -方面，本發(fā)明提供一種商品的質(zhì)量評價方法，包括：
[0008] 從商品信息數(shù)據(jù)庫中獲取歷史評價信息，所述歷史評價信息包括：用戶集和商品 集，以及用戶集中的用戶和商品集中的商品之間存在評價關(guān)系的評分數(shù)據(jù)，其中，所述用戶 集包括至少兩個用戶，所述商品集包括至少兩個商品；
[0009] 根據(jù)所述歷史評價信息計算所述商品集中每個商品的質(zhì)量初值；
[0010] 以所述每個商品的質(zhì)量初值作為初始條件執(zhí)行迭代計算，所述迭代計算包括:根 據(jù)所述歷史評價信息和每個商品在t時間步的質(zhì)量值計算所述用戶集中每個用戶在(t+1) 時間步的信譽穩(wěn)定性值，根據(jù)所述歷史評價信息和所述每個用戶在(t+1)時間步的信譽穩(wěn) 定性值計算所述商品集中每個商品在(t+1)時間步的質(zhì)量值，當t = 0時，所述每個商品在t 時間步的質(zhì)量值為所述每個商品的質(zhì)量初值，所述t為從0開始，隨著每輪迭代遞增的自然 數(shù)；
[0011] 當所述商品集中每個商品在相鄰兩個時間步對應的質(zhì)量值之間的差值之和小于 預置的質(zhì)量穩(wěn)定閾值時，將所述商品集中每個商品在所述相鄰兩個時間中后者時間步的質(zhì) 量值作為每個商品的質(zhì)量終值。
[0012] 另一方面，本發(fā)明提供一種商品的質(zhì)量評價裝置，包括：
[0013] 歷史評價獲取模塊，用于從商品信息數(shù)據(jù)庫中獲取歷史評價信息，所述歷史評價 信息包括:用戶集和商品集，以及所述用戶集中的用戶和所述商品集中的商品，以及用戶和 商品之間存在評價關(guān)系的評分數(shù)據(jù)，其中，所述用戶集包括至少兩個用戶，所述商品集包括 至少兩個商品；
[0014] 質(zhì)量初值獲取模塊，用于根據(jù)所述歷史評價信息計算所述商品集中每個商品的質(zhì) 量初值；
[0015]迭代計算模塊，用于以所述每個商品的質(zhì)量初值作為初始條件執(zhí)行迭代計算，所 述迭代計算包括:根據(jù)所述歷史評價信息和每個商品在t時間步的質(zhì)量值計算所述用戶集 中每個用戶在(t+Ι)時間步的信譽穩(wěn)定性值，根據(jù)所述歷史評價信息和所述每個用戶在(t+ 1)時間步的信譽穩(wěn)定性值計算所述商品集中每個商品在(t+1)時間步的質(zhì)量值，當t = 0時， 所述每個商品在t時間步的質(zhì)量值為所述每個商品的質(zhì)量初值，所述t為從0開始，隨著每輪 迭代遞增的自然數(shù)；
[0016] 商品質(zhì)量獲取模塊，用于當所述商品集中每個商品在相鄰兩個時間步對應的質(zhì)量 值之間的差值之和小于預置的質(zhì)量穩(wěn)定閾值時，將所述商品集中每個商品在所述相鄰兩個 時間中后者時間步的質(zhì)量值作為每個商品的質(zhì)量終值。
[0017] 采用上述技術(shù)方案后，本發(fā)明提供的技術(shù)方案將由如下優(yōu)點：
[0018] 首先從商品信息數(shù)據(jù)庫中獲取歷史評價信息，然后根據(jù)歷史評價信息計算商品集 中每個商品的質(zhì)量初值，接下來以每個商品的質(zhì)量初值作為初始條件執(zhí)行迭代計算，該迭 代計算包括:根據(jù)歷史評價信息和每個商品在t時間步的質(zhì)量值計算用戶集中每個用戶在 (t+Ι)時間步的信譽穩(wěn)定性值，以及根據(jù)歷史評價信息和每個用戶在(t+Ι)時間步的信譽穩(wěn) 定性值計算商品集中每個商品在(t+1)時間步的質(zhì)量值，當商品集中每個商品在相鄰兩個 時間步對應的質(zhì)量值之間的差值之和小于預置的質(zhì)量穩(wěn)定閾值時，獲取商品集中每個商品 在相鄰兩個時間中后者時間步的質(zhì)量值作為每個商品的質(zhì)量終值，并向用戶集中的用戶輸 出每個商品的質(zhì)量終值。本發(fā)明實施例中對商品的質(zhì)量值和信譽穩(wěn)定性值采用異步計算的 方式進行迭代，直到在相鄰的兩個迭代時間商品的質(zhì)量值達到穩(wěn)定狀態(tài)時獲取到商品的質(zhì) 量終值。通過從t時間到（t+Ι)時間步的多輪迭代，可以消除用戶的評價偏見以及虛假信息 對商品質(zhì)量值的影響，可以提高商品質(zhì)量評價的精確度。本發(fā)明實施例假設(shè)每個用戶都有 自己的誤差量級，通過多輪迭代當商品質(zhì)量值穩(wěn)定時才輸出商品的質(zhì)量終值，因此可以在 計算用戶對商品評分時消除此誤差的影響，可以極大提高用戶評級的可信度，同時也增加 了商品質(zhì)量值的可信度。
【附圖說明】
[0019] 圖1為本發(fā)明實施例提供一種商品的質(zhì)量評價方法的流程方框示意圖；
[0020] 圖2為本發(fā)明實施例提供的建立商品二部分圖的應用場景示意圖；
[0021] 圖3-a為本發(fā)明實施例提供的一種商品的質(zhì)量評價裝置的組成結(jié)構(gòu)示意圖；
[0022] 圖3-b為本發(fā)明實施例提供的歷史評價獲取模塊組成結(jié)構(gòu)示意圖；
[0023]圖3-c為本發(fā)明實施例提供的一種迭代計算模塊的組成結(jié)構(gòu)示意圖；
[0024]圖3-d為本發(fā)明實施例提供的另一種迭代計算模塊的組成結(jié)構(gòu)示意圖。
【具體實施方式】
[0025] 本發(fā)明實施例提供了一種商品的質(zhì)量評價方法和裝置，用于在商品評價中通過消 費者的不同信譽水平調(diào)節(jié)對商品質(zhì)量評價的權(quán)重，從而提高系統(tǒng)中商品評價的準確性。
[0026] 為使得本發(fā)明的發(fā)明目的、特征、優(yōu)點能夠更加的明顯和易懂，下面將結(jié)合本發(fā)明 實施例中的附圖，對本發(fā)明實施例中的技術(shù)方案進行清楚、完整地描述，顯然，下面所描述 的實施例僅僅是本發(fā)明一部分實施例，而非全部實施例?；诒景l(fā)明中的實施例，本領(lǐng)域的 技術(shù)人員所獲得的所有其他實施例，都屬于本發(fā)明保護的范圍。
[0027] 本發(fā)明的說明書和權(quán)利要求書及上述附圖中的術(shù)語"包括"和"具有"以及他們的 任何變形，意圖在于覆蓋不排他的包含，以便包含一系列單元的過程、方法、系統(tǒng)、產(chǎn)品或裝 置不必限于那些單元，而是可包括沒有清楚地列出的或?qū)τ谶@些過程、方法、產(chǎn)品或裝置固 有的其它單元。
[0028]以下分別進行詳細說明。
[0029] 本發(fā)明商品的質(zhì)量評價方法的一個實施例，可應用于向用戶推薦高質(zhì)量的商品的 應用場景中，請參閱圖1所示，本發(fā)明實施例提供的商品的質(zhì)量評價方法，可以包括如下步 驟：
[0030] 101、從商品信息數(shù)據(jù)庫中獲取歷史評價信息。
[0031] 其中，歷史評價信息包括:用戶集和商品集、以及用戶集中的用戶和商品集中的商 品之間存在評價關(guān)系的評分數(shù)據(jù)，用戶集包括至少兩個用戶，商品集包括至少兩個商品。
[0032] 在本發(fā)明實施例中，商品信息數(shù)據(jù)庫中保存有商品的各種記錄信息，例如商品信 息數(shù)據(jù)庫中保存有各種商品所關(guān)聯(lián)的用戶身份識別碼（ID，Identity)、商品與用戶之間的 評價關(guān)系、商品與用戶之間產(chǎn)生評價關(guān)系的具體時間和具體內(nèi)容等，其中商品與用戶之間 的評價關(guān)系指的是某個用戶購買并評價了某個商品的評價記錄。其中，商品與用戶之間的 評價關(guān)系可以為用戶與該用戶購買過的商品之間的評分數(shù)據(jù)或者評價等級。舉例說明：用 戶購買并且評價一個商品時，用戶的評分有可能是1-5分之間或1-10分之間的一個值(也可 以評分為端點值，例如1分或者5分或者10分），或者用戶購買并評價一個商品時，用戶對商 品的評價等級為1顆星至5顆之間的一個等級（也可以評分為端點值，例如1顆星或者5顆 星) 。
[0033] 本發(fā)明實施例中從商品信息數(shù)據(jù)庫中獲取到的歷史評價信息可以指在某個歷史 時間之前已經(jīng)記錄在商品信息數(shù)據(jù)庫中的用戶和商品的評價關(guān)系。其中，記錄在商品信息 數(shù)據(jù)庫中的可以是已購買記錄，該已購買記錄可包括用戶ID、商品ID、購買時間、購買價格、 購買次數(shù)等基本交易信息以及用戶對商品的滿意度評級。其中，商品具體可以指實際的產(chǎn) 品，例如手機、衣服等，商品也可以指的是虛擬的產(chǎn)品，例如游戲賬戶的裝備。
[0034] 在本發(fā)明實施例中，歷史評價信息中記錄的是多個用戶與多個商品之間的評價關(guān) 系。其中，從用戶層面來講，一個用戶可以與一個商品之間存在評價關(guān)系，一個用戶也可以 與多個商品之間存在評價關(guān)系。從商品層面來講，一個商品可以被一個用戶購買并評價，一 個商品也可以多個用戶購買并評價。本發(fā)明實施例中，分別設(shè)置用戶集(也可以稱為用戶集 合)和商品集(也可以稱為商品集合），用戶集中包括至少兩個用戶，商品集中包括至少兩種 商品，本發(fā)明實施例中將用戶定義為用戶集中的元素，那么在用戶集中包括有至少兩個用 戶，將商品定義為商品集中的元素，那么在商品集中包括有至少兩個商品，用戶集中的用戶 購買并評價商品集中的商品，從而可以在商品信息數(shù)據(jù)庫中產(chǎn)生歷史評價信息，本發(fā)明實 施例中商品信息數(shù)據(jù)庫中記錄的歷史評價信息可以用于對商品集中的商品的質(zhì)量進行評 分，該歷史評價信息可以指一段時間內(nèi)用戶集中的用戶購買并評價商品集中的商品的信 息。對于用戶集和商品集而言，歷史評價信息指的是用戶集中的用戶和商品集中的商品之 間存在評價關(guān)系的評分數(shù)據(jù)。
[0035] 其中，本發(fā)明實施例中，用戶集中的用戶可能是真實的用戶，也可能包括有虛假的 用戶，因此在初始時假設(shè)每個用戶都有自己的誤差量級，以符合實際的商品質(zhì)量評價中營 銷賬戶、網(wǎng)絡