面向O2O服务的信任建模及推荐方法研究

发布时间：2021-08-06 16:17

移动通信技术和移动计算技术的成熟进步,促进了 O2O(Online to Offline)电子商务迅猛发展,给人们生活带来了许多便利,改变了人们的生活和消费方式。然而O2O商务中的服务商家大多数为本地服务商,经营规模较小,缺乏科学的管理手段和规范,且市场难以进行有效的监管,因此,各种不诚信行为和服务质量问题层出不穷,给广大消费者的造成了利益损失,阻碍了O2O商务的健康发展。针对上述问题,本论文通过分析O2O电子商务中交易实体的属性特征,将信任管理引入到O2O环境的交易过程研究中,通过为商家声誉建模,防范020商家的震荡服务、欺诈、共谋等恶意行为。与此同时,对用户的社交网络进行信任建模,识别其信任网络中的可信用户群体,筛选出能够给目标用户提供有效建议的可靠邻居用户,以提高目标用户咨询信息的针对性。根据这些成果,结合用户的个性化兴趣偏好,为目标用户推荐可信的O2O服务及可信的O2O服务商家,并将Advogato信任模型引入到推荐方法中,提高推荐方法的运行效率,更加适用于移动环境下的推荐计算。具体的工作如下。(1)提出了一种面向O2O服务的移动社交网络可信群体识别模型(Trust Model based on Advogato-TMBA)。该模型结合Mark Granovetter的社会网络理论,研究020商务中用户信任网络构建所涉及的属性特征和构成要素,通过对Advogato信任模型进行扩展,考虑用户的互动程度、社交圈子相似性及兴趣相似性,采用信任容量优先最大流搜索方法建立用户的个性化信任网络,并对个性化信任网络中的可信群体进行快速识别和排序输出。基于真实数据集的实验结果表明,TMBA模型在可信群体预测的准确度、漏检率及Top排序范围方面比现有的方法效果更优。(2)以面向O2O服务的移动社交网络可信群体识别模型为基础,提出了基于社交网络可信群体的轻量级服务推荐方法。该方法对上述的TMBA可信群体识别模型进行改进,根据信任网络中用户社交圈子相似度和互动程度,计算用户的局部信任权重,并融合局部信任权重和用户的服务评价相似性,进行目标用户的服务评分预测。基于真实数据集与其他推荐方法的对比实验表明,该推荐方法具有更高的服务评分预测准确度,能更有效的抵抗恶意用户的托攻击行为,并具有更低的计算复杂度。(3)提出一种多维度的O2O服务提供商声誉计算模型。该模型克服了现有声誉模型以用户评价作为主要因素进行声誉计算的不足,通过商家客流量和商家历史运营时间长度等客观因素计算商家的实体声誉,通过消费金额偏离度、地域距离、客户评价等因素计算商家的服务声誉,最后融合生成商家的综合声誉。该模型既考虑了用户主观评价数据的重要性又考虑了商家的客观运营数据,能更加细腻合理地反映O2O服务商家的真实声誉,同其他声誉模型相比,能更有效抑制恶意用户的欺诈行为。(4)以O2O服务提供商声誉计算为基础,提出了一种基于声誉计算的可信O2O服务提供商推荐方法。该推荐方法基于原始用户服务评价矩阵,通过计算用户对服务的加权评价,产生用户对O2O服务提供商的综合评价,进而得到整体的用户商家综合评价矩阵,并将商家的声誉因素考虑进来,计算用户之间的商家偏好相似性,然后对目标用户进行O2O服务提供商评分预测。基于真实数据集的对比实验表明,该推荐方法具有更高的评分预测精度,且能更有效的抵抗恶意用户的欺诈行为。
【学位授予单位】：江西财经大学
【学位级别】：博士
【学位授予年份】：2017
【分类号】：F713.36;F274

文章目录

摘要

Abstract

1 绪论

1.1 研究背景

1.1.1 O2O商务概述

1.1.2 O2O商务交易流程

1.1.3 O2O商务的信任闭环及可信推荐

1.2 研究意义

1.2.1 理论意义

1.2.2 实践意义

1.3 研究内容

1.4 论文的创新点

1.5 论文的组织结构

2 信任及相关推荐方法综述

2.1 信任

2.1.1 信任定义

2.1.2 信任的属性特征

2.2 声誉

2.2.1 声誉定义

2.2.2 声誉与信任的关系

2.3 信任模型的体系结构

2.3.1 集中式信任模型

2.3.2 分布式信任模型

2.4 信任评估方法

2.4.1 单节点信任评估方法

2.4.2 群体信任评估方法

2.4.3 信任网络的构建和信任传递

2.5 O2O商务信任研究现状

2.5.1 O2O商务信任新的属性特征

2.5.2 O2O商务信任的研究现状

2.6 推荐方法的分类

2.6.1 协同过滤推荐方法

2.6.2 基于内容的推荐方法

2.6.3 其他推荐方法

2.7 O2O相关推荐方法研究现状

2.7.1 基于社会网络的推荐方法

2.7.2 基于位置的推荐方法

2.7.3 基于信任的推荐方法

2.7.4 O2O推荐方法研究的问题

2.8 本章小结

3 面向O2O服务的移动社交网络个性化可信群体识别模型

3.1 问题的提出

3.2 相关研究

3.3 Advogato模型概述

3.4 TMBA模型

3.4.1 问题的形式化

3.4.2 信任容量的分配

3.4.3 个性化信任网络的构建

3.4.4 信任容量的传递

3.4.5 信任容量优先最大流搜索方法

3.4.6 TMBA模型的性能分析

3.5 实验与分析

3.5.1 实验数据集

3.5.2 实验评价方法

3.5.3 参数β对预测性能的影响

3.5.4 实验对比

3.6 本章小结

4 基于社交网络可信群体的轻量级服务推荐方法

4.1 问题的提出

4.2 SEMBA信任模型

4.2.1 模型的形式化

4.2.2 本地信任网络的构建

4.2.3 信任容量优先最大流搜索方法

4.2.4 SEMBA模型和TMBA模型的区别与联系

4.3 基于社交网络可信群体的轻量级服务推荐方法

4.3.1 目标用户的服务评分预测

4.3.2 基于社交网络可信群体的轻量级服务推荐方法

4.3.3 ComSEMBA推荐方法的性能分析

4.4 实验与分析

4.4.1 实验数据集

4.4.2 实验评价方法

4.4.3 实验结果与分析

4.5 本章小结

5 一种多维度的O2O服务商声誉计算模型

5.1 问题的提出

5.2 相关研究

5.3 ESRep声誉模型

5.3.1 相关概念

5.3.2 ESRep模型工作流程

5.3.3 商家实体声誉的计算

5.3.4 商家的服务声誉计算

5.3.5 商家的综合声誉计算

5.4 实验仿真

5.4.1 声誉机制的有效性验证

5.4.2 对比实验

5.5 本章小结

6 基于声誉计算的可信O2O服务提供商推荐方法

6.1 问题的提出

6.2 相关研究

6.3 基于声誉计算的可信O2O服务提供商推荐方法

6.3.1 推荐方法的数据模型

6.3.2 用户的商家偏好相似度计算

6.3.3 O2O服务提供商的声誉计算

6.3.4 目标用户对O2O服务提供商的评分预测

6.3.5 基于声誉计算的可信O2O服务提供商推荐方法

6.3.6 推荐方法的性能分析

6.4 实验与结果分析

6.4.1 实验数据集

6.4.2 实验评价方法

6.4.3 实验结果与分析

6.5 本章小结

7 总结与展望

7.1 总结

7.2 展望

参考文献

攻读博士期间完成的科研成果

致谢

【参考文献】