基于集体评分行为的在线用户声誉识别

在线评级系统中,用户声誉是基于历史评级行为而形成的信任度,是区分正常用户与恶意用户的关键指标。未明确定义声誉可能导致系统易受恶意攻击。因此,清晰界定用户声誉对于有效排除恶意用户和准确评估目标质量极为重要。本文从复杂网络的视角全面回顾了用户声誉评估方法,特别着重于不同计算模型的探讨,包括迭代模型、基于群组的模型和基于特殊分布的模型。此外,本文对现有文献进行了系统分析,说明了各方法的优势和局限性,并对未来研究方向提出展望。

基于改进蚁群算法的集体垃圾邮件发送者检测研究

社交媒体评论对购物至关重要,但不良商家组织欺诈性评价者发布恶意评论,误导消费者。本文提出了一种名为IACOA的改进蚁群算法,通过评论投影图检测隐式社区,提高垃圾邮件发送者的识别精度。该算法在审查者投影图中执行,使用组和个人垃圾邮件指标评估意见垃圾邮件发送者组的怀疑度,并输出排名。该方法在预测精度上优于其他四种比较方法。