Сочинение на тему Система репутации доверия в электронной коммерции

В среде электронной коммерции, в которой между поставщиками и пользователями происходят миллионы транзакций, возникает необходимость установления достоверности предоставляемой услуги. Операторы рынка предоставили систему обратной связи с клиентами для удовлетворения этой потребности. Но на полученные отзывы не всегда можно положиться. Отзывы могут положительно или отрицательно повлиять на его продажи, вместо того, чтобы продемонстрировать фактическую подлинность продукта или услуги, с точки зрения клиента. В нашей работе предлагается усовершенствование традиционной системы обратной связи путем введения системы доверия репутации (TRS), которая помогает отфильтровывать действительных клиентов с помощью набора алгоритмов, тем самым создавая степень доверия для пользователя.

Потребители на онлайн-рынке сталкиваются с проблемой отфильтровывать лучшие продукты из списка различных вариантов. Существуют различные операторы рынка, которые предоставляют систему обратной связи, чтобы помочь клиенту определить качественный продукт, изучив мнение клиента и, соответственно, выбрав продукт. Большинство потребителей покупают товары, основываясь на отзывах о товарах.

Это либо отрицательно, либо положительно влияет на продажу продукции. Кроме того, это открывает путь спамерам для снижения продаж продукта. Чтобы устранить это, в документе делается упор на усиление системы обратной связи путем введения концепции надежности. Это можно сделать с помощью системы Trust Reputation. TRS – это программы, которые позволяют пользователям оценивать друг друга. Использование таких методов может помочь уменьшить количество спамеров, тем самым потенциально увеличивая количество подлинных отзывов. Преимущество таких обзоров состоит в том, что это помогает в определении подлинности продукта.

Анализ настроений изучался в широком диапазоне областей, таких как обзор фильмов, обзор обучения, обзор продуктов, электронное обучение, обзор отелей и многое другое. Большинство ученых сосредоточились на количественном анализе данных. Тем не менее, некоторые исследования были проведены на качественных данных с использованием анализа настроений, мы обнаружили шесть работ, в которых упоминается идея использования анализа мнений и анализа настроений в образовании.

Алгоритмы, такие как Наивный Байес, k-средних и опорных векторов используются в классификации мнений. Бумага также фокусируется на системе репутации правды. Существует несколько архитектур системы репутации правды, имеющих разные алгоритмы для вычисления оценки репутации, связанной с продуктом.

Многие авторы предложили в своей работе несколько архитектур TRS с различными алгоритмами для расчета оценки репутации, связанной с продуктом. Кроме того, несколько академических работ, посвященных системе репутации «Правда», были посвящены включению семантического анализа обратных связей в расчет оценки доверия к продукту и особенно степени доверия пользователя. Даже в исследованиях, пытающихся предоставить более сложные методы репутации, некоторые вопросы по-прежнему не принимаются во внимание, такие как доверие к судьям, обновление степени доверия пользователя при любом вмешательстве, возраст рейтинга и обратной связи или соответствие между данным рейтингом, который является скалярным значением, и текстовой обратной связью, связанной с ним. В отличие от упомянутого TRS, наш предлагаемый дизайн преодолевает эти проблемы и использует алгоритм, который включает анализ текстовых отзывов, чтобы вычислить степень доверия пользователя, дающего обратную связь, и доверительный рейтинг репутации для продукта.

Потребители на онлайн-рынке сталкиваются с проблемой фильтрации лучших отзывов или отзывов о покупке продуктов. Мы стараемся устранить эту проблему, перечисляя лучшие отзывы, чтобы покупателям было легко выбирать продукт, анализируя опыт других потребителей, позволяя им публиковать свои отзывы. Потребители, имеющие дело с онлайн-рынком, могут иногда покупать некачественную продукцию. Хотя компания электронной коммерции предоставляет такие средства, как возврат и обмен продуктов, этот процесс иногда становится утомительной задачей. Проект направлен на то, чтобы предоставить клиентам возможность выбора желаемых продуктов на основе рейтинга товара, который они хотят или планируют купить, который был оценен на основе рейтинга и отзывов, предоставленных потребителями с помощью Истины. Система репутации (TRS).

Мнение Opinion нашего проекта будет основано на алгоритмах и методах анализа настроений, а также на алгоритме Truth Reputation System. Trust Reputation Systems (TRS) предоставят необходимую информацию для поддержки доверия сторон при принятии правильного решения в электронном виде. сделка. На самом деле, как поставщики безопасности в электронных услугах, TRS должны точно рассчитывать наиболее достоверный показатель для целевого продукта или услуги. Таким образом, TRS должен опираться на надежную архитектуру и подходящие алгоритмы, которые способны выбирать, хранить, генерировать и классифицировать оценки и отзывы.

В предлагаемой архитектуре для каждого пользователя, который хочет оставить рейтинг (благодарность) и обратную связь (семантический обзор), мы анализируем отношение клиента к ряду коротких и отобранных отзывов и сохраняем побочный продукт в базе знаний. , Этот обзор пользователя будет доступен любому другому пользователю. Затем мы предполагаем, что у нас есть путь, который ретранслирует всех пользователей (узлы). В результате нам нужно знать степень доверия пользователя и определять степень доверия обратной связи. [4]

Проект системы доверия репутации

A. Описание алгоритма

Клиент начинает с оценки и текстового отзыва о конкретном продукте. Когда они нажимают на кнопку «отправить», чтобы проверить предоставленную информацию, мы собираемся перенаправить пользователя на другой интерфейс, показывающий, например, это сообщение: «Пожалуйста, дайте нам свое мнение о следующих отзывах, прежде чем проверять информацию, которую вы предоставили ниже:» В В этом интерфейсе мы найдем выбранные отзывы из базы данных разных типов. Эти отзывы могут быть сфабрикованы, чтобы суммировать многочисленные отзывы пользователей, хранящиеся в базе данных. Сгенерированные отзывы могут быть сохранены в другой базе знаний. Поэтому, как бы мы не добавляли отзывы в обычную базу данных, мы будем заполнять базу знаний заранее подготовленными отзывами с использованием алгоритмов и инструментов анализа текста. Однако некоторые пользователи могут давать уже обобщенные отзывы, которые могут быть непосредственно включены в базу знаний. Действительно, существует много алгоритмов и инструментов для анализа текста и данных, которые могут искать наиболее подходящие отзывы, которые в первую очередь связаны с продуктом, и которые могут обобщать и обобщать большинство пользователей каждого типа? обратные связи.

На самом деле, прежде чем отправлять отзывы клиентов и оценку продукта в систему доверительной репутации, мы должны проверить соответствие между ними, чтобы избежать и устранить противоречия или вредоносные программы, атакующие нашу систему. В перенаправленном интерфейсе мы будем отображать несколько отзывов от разных типов. Тем не менее, пользователь может указать количество отзывов, которые будут нравиться или не нравиться. Конечно, мы также можем указать минимальное и максимальное количество отзывов, отображаемых пользователем.

Фактически, мы пытаемся с помощью этого перенаправления обнаружить и проанализировать намерение пользователя, стоящее за его вмешательством в приложение электронной коммерции. Следовательно, мы исследуем и оцениваем его намерение, используя другие готовые отзывы с различными типами. Конечно, у нас уже есть достоверность каждого отзыва. Следовательно, мы используем наш алгоритм репутации, изученный в разделе [4.2], чтобы сгенерировать степень доверия пользователя, которая играет роль коэффициента, а затем исправить его оценку в соответствии с его степенью доверия и получить оценку обратной связи. Действительно, каждая обратная связь имеет достоверность в пороге [-5,5]. Самый близкий – 5 к достоверности, самый надежный – обратная связь. Наиболее близким является доверие к -5, очень ненадежным является обратная связь. Если обратная связь заслуживает доверия, ее оценка будет включена в [0,5], иначе она будет включена в [-5,0]. [4]