参与式感知系统中用户累积行为信誉计算

参与式感知系统中,由于感知数据质量可能受参与者影响,提出了基于用户累积行为的信誉计算模型以帮助选择可信赖用户.针对感知环境中用户群体的广泛性及核心用户的不确定性,该模型采用OPTICS聚类算法定义用户场景并划分行为数据集,建立用户累积行为信誉计算模型,同时引入时间戳标记信息抛弃部分旧行为以更新用户信誉.实验表明,该信誉模型能够结合新旧行为较好地计算并调整用户信誉,在感知环境用户信誉评价中具有良好的应用前景.

地理信息志愿者信誉度评估的版本相似度模型——以面目标为例

针对自发地理信息中存在大量恶意、虚假、低质量数据,提出了一种基于版本相似度的VGI志愿者信誉度计算模型。该模型将每个志愿者对某个地理空间目标的一次编辑结果定义为一个版本,当其他用户编辑该目标版本时,通过计算版本相似度来获得其他用户对该志愿者这个目标版本的支持度;然后通过计算其他贡献者对某志愿者所贡献的每个目标的支持度,对所有目标的支持度进行加权平均获得该志愿者的综合信誉度。其中版本相似度综合目标空间和属性相似性的主要因素进行加权计算。然后以面目标为例阐述了本文志愿者信誉度计算过程。为了验证本文信誉度计算模型的合理性,笔者采用德国柏林OpenStreetMap数据进行试验,试验表明通过本文模型计算获得的用户信誉度与其贡献的要素质量总体上正相关。

在线信誉系统的应用现状及问题应对

在线信誉系统是解决电子商务信任缺乏问题行之有效的重要手段之一,已在各商务网站普遍应用。但其理论设计和具体应用中还存在着诸多问题,一直受到学界或业界的持续关注。总结了电子商务网站在线信誉系统应用现状及其基本特征,在此基础上结合学界的研究成果和业界的实践,针对其在实践应用中暴露出的信誉值计算模型和系统设计两方面的问题进行了具体分析探讨、提出了应对策略,并指出在线信誉系统发展的两大趋势,为业界今后进一步完善在线信誉系统提供参考。