《表4 根据RBPD和GR方法计算得到的用户声誉进行Skyline查询得到的集合Skyline Tab.4 Skyline set based on user reputation obtained
提示:宽带有限、当前游客访问压缩模式
本系列图表出处文件名:随高清版一同展现
《基于Skyline Query的高声誉用户识别方法研究》
表3的实验结果中Skyline查询中数据维度为3,不同维度不同声誉度量方法得到的Skyline集合会有所不同,用两种声誉度量方法(RBPD和GR方法)得到的用户声誉作为用户在两个维度上的数据进行Skyline查询得到的集合Skyline(高声誉用户)如表4所示。而用CR和RBPD方法得到的用户声誉作为用户在两个维度上的数据进行Skyline查询得到的集合Skyline(高声誉用户)如表5所示。可以看出,表4和表5中的结果(高声誉用户)中也存在上述四种规律。而且两种Skyline结果中高声誉用户的数量和用户也有区别,可以看出当声誉度量方法的数量和方法不同时,Skyline查询的结果(高声誉用户)也是不同的。而且,声誉度量方法的数量越多,即Skyline查询中数据维度越大时,得到的集合Skyline中高声誉用户越多。同时,比较表4和表5中的Skyline用户对benchmark产品打4分或5分的平均比例与所有用户对benchmark产品打4分或5分的平均比例,如图3b所示,结果同图3a结果一致,表明Skyline查询得到的高声誉用户对于大家公认的质量比较高的产品会给予更高的评价。同时,本文以CR、RBPD和GR方法作为用户声誉度量的代表性算法基于Skyline查询方法来识别高声誉用户,也可以将基于Skyline查询的高声誉识别推广到其他声誉度量算法,如IR、IARR、IARR2、IRUA方法等。
图表编号 | XD0019053800 严禁用于非法目的 |
---|---|
绘制时间 | 2018.06.01 |
作者 | 刘晓露、贾书伟、王建民 |
绘制单位 | 复旦大学经济学院、复旦大学泛海国际金融学院、河南农业大学信息与管理科学学院、安徽理工大学经济与管理学院 |
更多格式 | 高清、无水印(增值服务) |