基于反馈的双向可信评价

李俊宝

（河北省唐山市第十中学 河北省唐山市 063000）

1 可信评价中的一些问题

可信评价系统通常计算一个时间周期的可信值[1]。

原则1：对当前一个时间周期服务评价数据集合进行计算得到服务提供者的可信值[2][3]。近期服务评价数据在可信评价中最为重要，其在可信值计算时被赋予高权重[4][5][6]。

可信评价系统研究大多采用这种原则[2][3]。基于该原则的可信值计算公式：

tj表示服务提供者在时间点j (j=1...m)可信评价数据，wj表示tj的权重，T 表示服务提供者在当前时间周期的可信值。wj的计算公式：

上述计算服务提供者可信值的方法，忽视了服务提供者可信度的动态变化。服务者提供者的可信度是动态变化的，一个服务提供者目前具有较高的可信度并不能保证其在将来也能够提供高可信度的服务，反之亦然。当前多个服务提供者具有相同可信度，在后续服务过程中，有的可信度上升，有的可信度下降。可信评价系统应当计算服务可信动态变化趋势。

2 基于反馈的双向可信评价

一个时间周期可信评价数据形成的典型可信趋势有“平”、“升”、“降”、“抖”四种，见图1 所示。

2.1 可信趋势评估

从图1 中看出，服务提供者可信度有动态变化的趋势。采用曲线拟合最小平方法对一个时间周期可信评价统计数据进行计算，可以得到表征可信度动态变化趋势的函数，运用这一函数评估和预测可信度动态变化趋势。

曲线拟合最小平方法：对给定的数据点集(xj, qj) (j=1,2,…,m)进行计算，得到曲线拟合函数F=f(x)，该曲线与给定的数据点集(xj, qj)距离平方和最小。计算公式：

Z 的值趋于0 时，函数曲线F=f(x)与给定的数据点集(xj, qj)距离平方和最小。函数F=f(x)称为在数据点集(xj, qj) (j=1,2,…,m)上产生的曲线拟合函数。曲线拟合函数F=f(x) 总体变化趋势与数据点集(xj, qj)的总体变化趋势保持一致，但函数曲线F=f(x)可不经过数据点(xj, qj)。曲线拟合最小平方法通过计算可信评价统计数据可以得出拟合直线、拟合二次曲线和拟合三次曲线。由得出的曲线拟合函数表征、评估和预测可信动态变化趋势。拟合二次曲线在计算精确性方面比拟合直线高，在计算复杂度方面比拟合三次曲线低，所提出的基于反馈的双向可信评价采用拟合二次曲线方法。

按前面所讨论，现引入拟合二次曲线方法评估可信趋势。

定义1：一个时间周期内的可信评价统计数据集合用Q 表示，Q=｛(x1, q1), (x2, q2),..., (xm, qm)｝, qj(qj∈ [0, 1], 1 ≤j ≤m) 是时间点xj(xj＜ xj+1)时的可信评价值。

图1：典型可信趋势

即

通过公式（4）、（5）和（6）解出a、b、c 三个参数，即解得拟合二次曲线函数

2.2 基于反馈的双向可信评价

相对于可信总体趋势，存在一些严重偏离可信总体趋势的可信评价数据。这些往往是主观、客观因素造成本身可信度低的可信评价数据。这种可信度低的可信评价数据是对服务提供者不公正评价，会导致可信评价误差。应当在对可信动态变化趋势进行评估的基础上，降低这些可信度低的可信评价数据对于可信评价带来的误差。利用拟合二次曲线可以判断出因主观、客观因素造成的本身可信度低的可信评价数据。在此基础上实现基于反馈的双向可信评价。

定义2：以定义1 为前提，取可信统计数据点(xj, qj)，采用二次拟合曲线函数称为在时间点xj时的趋势期望可信值，称为在时间点xj时可信统计数据值qj相对于趋势期望可信值qjE的偏差度。在可信评价系统中设定可信偏差度上限P（0＜P＜1）。

原则3：如果在时间点xj时K＞P，则判定时间点xj对应的可信统计数据值qj本身是不可信的。

原则4：依据定义2 和原则3 判断统计可信评价数据集合Q中所有可信数据qj，用qjE代替被判定本身不可信的可信评价数据qj，形成新的可信评价数据集合N 。

基于新生成的可信数据集合N，计算得到新的二次拟合曲线函数对于向系统反馈这些被丢弃的不可信的可信评价的用户，算法将针对这些用户向可信评价系统反馈较低的可信值。针对这些用户中的每一个用户，算法检测当前时间周期内，他所收到可信评价的最低值，然后以这个最低值作为针对这个用户的新一次的可信评价向可信评价系统反馈。

在对这些用户周期性评估时，这个反馈的可信评价值也可能因偏离程度超限而被丢弃。说明这个用户收到的其它来源的可信评价比最低值高出很多，即其可信度比最低值高很多。这个用户曾向系统反馈不可信的可信评价并不是主观故意行为，可能是由于交易双方之外的因素造成的误差。如果上述最低值作为可信评价值没有超过偏离程度限制，那么这个反馈最低可信评价将在一定程度上降低这个用户的可信度。

双向可信评价算法TTEBF：

3 总结

可信管理研究中，通常采用计算最终可信度方法。这种方法不能反映服务提供者的可信变化趋势，而且可信评价统计数据中存在主观或客观造成的评价数据误差。提出基于反馈的双向可信评价方法，较好解决上述问题。

采用设定偏差度上限的方法对可信评价本身是否可信进行判定，偏差度上限值的大小直接影响判定结果，这种方法具有人为主观性。以后的工作中要深入研究怎样准确设定偏差度上限，使算法更合理、更能在实际应用中取得好的效果。