企业用户关系范文

企业用户关系范文（精选8篇）

企业用户关系 第1篇

一、关于微博领袖用户的相关研究

Jinan Fiaidhi等[1]认为, 企业用户在微博上的意见直接影响其他用户, 可以通过意见领袖的微博发布企业信息, 通过抓取微博信息样本分析证明意见领袖发布广告的有效性。阮璞[2]将微博用户分为组织和个人用户加以研究, 将两类微博的功能和传播策略进行研究。但是, 对于用户的微博传播逐渐被微博平台企业所管制的现象却进行了规避, 没有提及用户在发布广告信息时二者所面临的矛盾和解决措施。王海龙[3]将微博营销方式与社交网站等进行对比, 认为企业利用自身微博做营销时具有信息冗余、传播有限等局限。因此, 要重视意见领袖的作用。研究中也发现, 在借助意见领袖发布广告的同时, 会受到来自微博企业的干扰, 但是干扰的后果以及如何处理这种干扰文中却没有深入分析。

通过上述研究可知, 微博中意见领袖的作用逐渐受到重视, 但是目前学术界的研究仍处于较初级阶段。本文利用演化博弈方法, 对领袖用户在发布广告时微博平台企业所作出的应对措施进行了研究。

二、模型描述及方法

通过分析微博平台企业目前面临的现实问题可知, 其急需开展商业化之路。多年来却没有达到盈利, 但是领袖用户却在不断获得收益。因此, 微博平台企业为了平衡双方之间的商业化关系, 会平衡是否进行查处违规用户的策略。微博平台企业查处时, 领袖用户有发布或不发布广告两种策略。领袖用户发布广告时, 微博平台企业会实施查处或不查处的策略。在演化博弈中, 博弈双方均不是完全理性的个体, 仅仅具有有限理性。博弈对象会随吋间而不断变化, 最终结果会是要解析群体对象的动态演化行为, 演化博弈阐述了群体对象采取何种方式会保持现有的动态博弈状态[4]。

三、模型建立及求解分析

(一) 模型假设

微博平台企业与领袖用户双方博弈所面临的决策环境是复杂的, 为了便于分析, 作出如下假设。

1. 博弈中仅有两个参与者。

微博平台企业和领袖用户, 双方均有限理性。

2. 行为策略。

微博平台企业会根据领袖用户的行为而采取查处与不查处策略。领袖用户也会根据是否查处采取发布与不发布广告的策略。

3. 实施策略选用情况。

在演化博弈的初期时, 如若微博平台企业使用的查处策略时的概率X, 而实施不查处策略时的所处概率为1-X;领袖用户发布广告的概率Y, 则领袖用户不发布广告的概率是1-Y。

4. 参数假设和基本解释。

m为微博平台企业的发布广告所带来的收入;c1为微博平台企业针对领袖用户的日常管理费用;c2为微博平台企业针对领袖用户采取查处时所产生的查处费用;c3为领袖用户发布广告给微博平台企业造成的损失;u1为领袖用户发布广告而带来的收入;u2为领袖用户发布广告被查处后, 给领袖用户造成的损失;u3为微博平台企业给不发布广告的领袖用户的奖励;根据实际情况可以得到:m>u1>u3[5]。

(二) 模型的构建及求解

根据以上假设, 可以得出微博平台企业和领袖用户动态博弈的收益矩阵, 如表1所示。

在现实中, 双方博弈是重复动态的, 策略也会随时间持续演变且双方信息不对称。

根据模型假设 (1) - (4) 和收益矩阵表可知, 微博平台企业采取查处策略时的期望收益为:

微博平台企业采取不查处策略时的期望收益为:

微博平台企业采取混合策略时, 即采取查处和不查处策略时的期望收益为:

通过演化博弈方法, 可以得到以下策略方程。复制动态方程可以表示为, 某策略在此种群内, 在现实情况下使用频率的动态微分方程。通过式 (1) 与式 (3) 可知微博平台企业的策略复制动态方程为:

领袖用户采取发广告策略期望收益为:

领袖用户采取不发广告的期望收益为:

领袖用户采取混合策略时的期望收益为:

同样, 领袖用户策略的动态复制方程为:

由 (4) 式和 (8) 式组成的动态复制方程式为:

(三) 模型分析

1. 领袖用户策略的演化稳定性分析

现在将各复制动态方程与其具有相关性的参数赋值区间的选取其演化稳定性分析:

2. 微博平台企业策略的演化稳定性分析

3. 微博平台企业和领袖用户之间的演化稳定性研究

由此可得其演化呈现周期性的特征。使用相轨迹图示借以展示其系统的推演过程。通过作为坐标轴所构成的演示图, 如图1。

由演化相图所示, 微博平台企业采取查处策略, 领袖用户则采取不发布广告的策略。若其强行管制领袖用户则会转移或对抗, 即领袖用户转移会导致其粉丝迁移, 再则微博平台企业也会削弱自身影响。所以, 根据广告发布的比例来应对, 最终和领袖用户达到共赢。

四、结论

本文研究了领袖用户在发布广告时微博平台企业是否进行查处策略选择的互动机制。通过分析可以得到, 微博平台企业要实现商业化之路, 需要对领袖用户作出调整才会成功。微博平台企业的管制策略应增加监管力度, 查处领袖用户发布广告的现象。当微博平台企业查处成本高于其广告收益时, 领袖用户采取何种策略, 微博平台企业都不会查处领袖用户;当微博平台企业的广告收益、管理成本、查处成本之和小于微博用户的广告收益时, 微博平台企业都会查处。目前, 以新浪微博一支独大, 其他微博平台企业还不能够对其构成实质上的威胁。因此, 本文研究了一家微博平台企业与领袖用户的博弈关系, 在未来的研究中, 可能会出现多家均衡竞争, 因此, 应进一步分析研究多微博平台企业争夺领袖用户的三方博弈, 同时探讨微博用户的流向。

参考文献

[1]Jinan Fiaidhi, Osama Mohammed, et al.Option Mining Over Twitter Space;Classifying Tweets Programmatically Using the R Approach[C].2012 Seventh International Conference on Digital Information Management (ICDIM) , 2012 (8) :313-319.

[2]阮璞.传者视角下的微博用户研究[D].武汉:华中农业大学, 2012.

[3]王海龙.企业微博营销的局限性研究[D].武汉:中国地质大学, 2011.

[4]易余溉, 刘汉民.经济研究中的演化博弈理论[J].商业经济与管理, 2005 (8) :8-13.

企业用户关系 第2篇

之前在网上经常看到某某大师，某某专家分析网站而且广而告之，奔着学习的目的去，结果大部分都整些什么域名注册历史，IP地址，PR值等信息，天雷滚滚之余，我也反思了自己到底认识网站分析吗?今一抒己见，列位看官见笑了：

一、用户体验分析和SEO的关系?

用户体验是否规划于SEO范畴我也说不清楚，但一个很抢眼的网站往往能吸引你的关注，但这个抢眼是好是坏就分两种情况了，优秀的网站能让我们赏 心悦目，不断点击链接，不断寻找更多好内容;但蹩脚的网站却使得我们咬牙切齿的离开(就算是某某票网站，我们也是咬牙切齿的，只是我们仍然不得不依赖它而已)。

那么用户体验分析就变得很重要了，一个网站从美工到页面布局，往往能决定访客去留，你要说SEO和用户体验没有任何关系也行，毕竟有些只要SEO牺牲用户体验的是垃圾站，稍微正规一点的，都有考虑过用户体验，起码考虑过自己的感官，那更不用说一些正规的站了。

如图有三个浮动框，一般用户肯定对其产生不好的印象，甚至对于目标用户，都是比较反感过多的弹窗，浮动框等，给人感觉就一垃圾站，虽然我知道背后的原因，但试想列位看官对自己需求的某个产品，访问了一个目标网站，出现这种情况，你们会怎样?

当用户体验烂到了极点的时候，也无所谓SEO。

二、网站基本信息讲解就是网站分析?

前面说到很多大师专家都喜欢拿别人的网站来分析，结果很多都是分析什么域名历史，IP地址，PR值等信息，高级一点的专家会讲解收录啊，世界排 名，关键词排名，反向链接等。我就纳闷了，这些都是属于网站表面的东西也能讲个一节课，如果真要讲一些内在的东西是不是能讲个三两天呢?

如果一个专家专业到这个地步那也没办法，只能怪自己2B了，不知道大师们讲到内链锚文本布局、外链战略、SEO数据分析的时候会怎样，可能大家 会以为SEO分析和网站分析不同，的确是不同，但所谓的网站分析却花了大部分时间来讲解网站基本信息就说不过去了，大家都很忙的，浪费自己的时间就算了， 不要浪费别人时间(去听那群孩子)

三、功能分析与SEO的界线?

功能分析是我比较喜欢的，网站是否成功不在于你有多么绚的外观和多么综合的功能，而在于你的产品功能经得住不同用户群的体验，甚至很小一个细节都能决定网站的生死，为什么现在很多网站都是突然推出新产品，新功能，其一为了对用户负责，其二想让新产品在开放之初即得到更多认可，所以功能测试和分析 成了很关键的一步，

在我参与过的一个项目中，任何小的问题都要提出来，尽可能把产品做到一步到位，虽然在产品未正式推出的时候无法得到目标用户的体验报告，但可以从小范围内测试该功能的运作情况，功能测试决定了项目能否如期推出，甚至决定了整个网站的存亡。

说到这里，SEO似乎成了一个配合网站运作的因素而已，那么孰是孰非，SEO给功能让路还是别的，就要看SEO能否协调配合好产品的未来发展了。

四、网站性能分析=产品测试?

网站ping速度，页面打开速度，图片加载速度，相关内容调用速度等性能都很值得分析一下，但简单来说，性能的分析并不就是产品测试，产品测试 可能有更详细的流程和更规范标准，甚至可能配置专业的测试员，适用那些高深的工具和云里雾里的术语等对产品各个参数进行检查和评测。

相对而言，网站性能分析可能就有点狭义了，毕竟我们不是专业的测试人员，无法获知产品的详细情况，但是性能分析却有利于用户体验的完善和网站的发展，不能说我们并没有在性能分析上得到任何有价值的东西，相反的，通过网站性能分析报告往往能得到很多意想不到的收获，你还hold得住吗?

五、后端分析是否重要?

更贴切来说就是一些深入一点的SEO分析，虽然我们不一定看得出操作者的心思，但从某些痕迹来看一些网站SEO手法不是难事，这个对于新手来说 肯定有点难消化，一要技术手段的实现，而要沉得住心来想这些异于其他网站的现象，新手的心态就是急乱浮，所以后端分析似乎是对牛弹琴，对一些有技术的人来说，人家也不屑于听你讲，说不定人家理解起来比你更深。

如图产品页调用了一些相关信息，但真的是相关的吗?如何匹配的，数量有讲究吗等，表面上看到的和实际情况并不一定相同，很多时候A~Z的适用，两个网站都一样，但效果截然不同，这就是分析与否的差异，不能不说后端分析很重要。

最近总在思考网站分析怎样才能更容易被新手和老手接受，既能让新手很好的消化掉网站分析的一些知识点，又不至于太脱离老手的视线，不然就会埋没在只有新手的思维中，后来我发现这都是一厢情愿的事，网站分析从来没有一个标准，大师专家都按照自己的思维和理解去认识网站分析这个名词，我又何必去纠结新手是否能消化掉这些知识点呢?

用户审美与材质表达的关系 第3篇

(一) 审美的主观心理特征

人是审美的主体, 审美心理是人精神需求的一种表现, 同时也反映着人的高度认识能力, 其具有直觉性、个体性、情感性与从众性等特点。

1.审美的直觉性

每一个人都有审美、求新、求异、求变的心理与欲望。当人处于特定的境遇或最佳的审美心理过程中, 或者怀着特定目的进行审美、创造美时, 会自觉寻觅、选择适应自己需要的审美对象, 自觉的调动信息存储、审美经验以丰富审美心理。

2.审美的个体性

人类作为群居性的物类, 一方面在心理结构上表现出特有的共性, 另一方面由于个体间是一个相对独立的自由体, 因此, 在生存方式和审美心理上表现出很大的差异性, 这种差异性具有鲜明的个体特征。

3.审美的情感性

审美的目的在于情感的表现, 情感性作为审美存在的基础, 它贯穿于整个审美心理过程, 是审美对象的一种主观心理反应。情感不仅是审美过程产生的助力器, 也是这个过程得以持续进行的源动力, 更是审美得以加强提升的核心条件。因此情感性在审美过程中是必不可少的。

4.审美的从众性

从众是在群体影响和压力下而表现出与群体大体一致的行为。当审美主体受到外部因素和自身认知的影响, 在审美过程中往往会采取一种趋同的态度, 即在相关的审美过程中与大众群体保持相似或相近的审美态度。总的来说, 这种从众的审美过程是个人在社会群体性影响下的过程, 是个体适应于群体性的一种必然现象和过程。

(二) 审美感知过程

审美感知包括审美感觉和审美知觉, 审美感知的过程是由审美主体对客体通过审美感觉和知觉的方式形成的一种知觉完形, 同时从思想和心灵上树立一个审美对象的过程。在这个过程中, 审美主体与审美对象之间通过交流而产生“同构”反应, 即审美对象表现出来的情感性会影响主体的审美感受。审美感知既是主体沿循客体的形、色、质等所暗含的结构及其运动来组织, 形成整体形象的知觉完形过程, 又是主体对对象的情感表现性的情感接受过程。

(三) 审美标准

自人类诞生起美就在影响着人类的精神世界, 并一直以神秘而又贴近的方式存在着。黑格尔认为“美是理念的感性显现”。而车尔尼雪夫斯基则认为“美是生活”。他说到“任何事物, 凡是我们在那里面看得见依照我们的理解应当如此的生活, 那就是美的;任何东西, 凡是显示出生活或使我们想起生活的, 那就是美的”。因此, 作为设计师要具备发现美的意识, 更要有创造美的能力, 设计要与实际生活相关联, 只有贴合当前人们生活的地域特点、时代特点, 在对人们生活方式深入了解与认知之后, 设计的作品才能给人以美的享受。

二、材质表达的客观属性及特征

(一) 材质客观属性

质感作为材质的一种属性, 人们常常通过它来认识材质。它是由物体内外因素共同作用而产生的一种特定结构特征, 这种特定结构特征通过触觉和视觉给人所产生的一种综合印象。质感基本属性主要表现在两个层面:一是通过刺激人的触觉和视觉系统使物体给人留下深刻的印象;二是通过知觉系统向人传达物体的信息, 如色彩、质地等。因此, 对材质的认识必须建立在这些基本属性上, 分析产品的外观上是否给人留下深刻的印象。

(二) 材质表达的意象特征

材料的意象是指通过人们的视觉和触觉被感知并在大脑里产生主观反映, 这种意象包括视觉意象和触觉意象。由于视觉具有直观可视性, 因此, 在材质表达具体过程中, 人们更加依赖于视觉的意象, 常以视觉替代复合感官知觉的可行性。

值得注意的是, 材质在视觉和触觉的意象表达时往往与语义会有所不同, 这种不同常常表现为人们对同一材质的意象通过视觉和触觉会产生前后的变化。如人们在感知材质过程中, 通过视觉对其表面的肌理、光泽等进行主观感受时, 可能第一感觉判断该物品的材质是比较坚硬光滑的, 但我们用手去触摸感受时, 却发现它是柔软的, 其实是某种工艺达成的效果。

三、用户审美与材质表达的关系

(一) 材质表达影响用户的审美感受

人的审美会受到材质的影响, 材质的表现形式产生变化人们的审美认识也会随着变化, 对于物质材料表面相关的一些特性, 人们常常会凭着自己的视觉、触觉以及一些其他方面的主观感受来加以感知和评价。因此, 人们的审美感受在很大程度上受到材质的影响。

但是, 另一方面, 由于材料的本身就具有天然审美特性, 因此它的这种天然审美特性就决定了物质的外观性。这种外观性是客观实在的, 它不以人的主观愿望改变而改变。但同时它在很大程度上又影响着人们的内心审美感受, 引起人们不同的审美反映, 因而材质本身具有很强的感染力和表现力。

材质的不同会给人带来不同的生理和心理感受, 同时也体现着物质的不同审美特性的。如光滑的材质会给人一种华丽高贵之感, 厚实的材质则给人一种稳重之美, 轻薄的材质则给人一种温馨浪漫之美, 粗糙的材质则给人一种淳朴之美。不同的材质引起不同的美感体验, 造成了不同的质感审美效果。所以设计师在材料选择时, 必须重点考虑材质展现出的审美感受。

(二) 用户审美决定材质表达的外在形式

材质的表达使用户审美的理性思维融入到物我的交流之中, 将用户的审美主观心理映照在材质的客观表现上, 进而使得材质表达出具有人性化的意象特征, 并被赋予了新的生命。

由于人的实践活动和审美经验的积累, 促使人类产生不同的审美联想和想象, 因而也就产生了不同的审美感受以及复杂的审美心理取向。正因为用户之间会存在审美感受上的差异, 对材质的审美需求也不尽一致, 设计师在设计一款产品时才会有很多种材质表达的方案, 这种差异也促使新材料、新工艺能够不断被发现以及材质表达的形式可以不断进步。

四、结语

随着时代的发展与变化, 材质的设计也在不断推陈出新, 每一次的进步又再一次提升了人的整体审美要求及对审美潜意识的诉求。设计师在对材质进行设计表达之前, 也要充分分析用户的审美特征以及对材质美感的需求, 以促使材质表达意象符合用户的审美感受。

摘要：本文主要分析用户审美的主观心理特征和材质表达的客观属性, 通过对用户的审美感知过程及审美标准进行详细解读, 同时梳理材质意象的产生过程, 最后综合分析并阐述了用户审美与材质表达的关系。

关键词：用户审美,材质表达,审美感知,材质意象

参考文献

[1]田民波.材料学概论[M].清华大学出版社, 2015.

[2]寇鹏程.美学与人生[M].西南师范大学出版社, 2015.

针对网络间用户关系的签密方案 第4篇

自从Diffie和Hellman在1976年提出公钥密码系统,使得人们可以在未见面的情况下,利用开放和不安全的通路来进行安全及可鉴别的沟通或信息传递。数字签名具有不可否认性,同时能够保证数据的完整性。加密且具有身份认证的通信是人们研究的主要目标之一。为了达到安全及可鉴别沟通的目的,传统的作法是采用二阶段法。所谓二阶段法是指发送者利用数字签名机制来产生欲传送之文件的数字签名,随后再通过私钥加密算法与任选讯息加密密钥,来针对讯息进行加密,最后将其所产生出来的密文传送给接收者。这种二阶段的作法也称为先签后加密法,其成本为数字签名成本与加密成本的总和。签密作为新的密码技术,能够在一个逻辑步骤内同时完成数字签名和加密功能,当签密方案采用小的安全参数时(公用模为512位),与常规方法相比,签密的计算代价降低位58%,消息扩展率为70%;当采用长安全参数时(以用模为1536位),签密的计算代价降低为50%,消息扩展率为91%。在网络中仅需要四种签密模型:一对一;一对多;多对一;多对多。在本文中分别针对这四种模型进行介绍。

1 网络的签密方案

1.1 一对一的签密模型

表1为一对一的签密模型。

1.2 一对多的签密模型

1.2.1 发送者A针对多个接收者的签密法

针对t个接收者的的签密算法的输入值:

yi:接收者Ri的公开钥,其中1≤i≤t;

IDi:接收者Ri的身份,其中1≤i≤t;

签密算法的步骤:

step1任选一个讯息加密密钥k,并计算h=KHk(m)及利用c=Ek(m||h)来将信息m加密成密文c。

step2针对每个接收者Ri(i=1,…,t)的k来产生签密文件:

1)从[1,…,q-1]中任选一个随机数vi并计算ki=hash(yivimod p)(i=1,…,t)。然后,将ki依适当的长度分成ki,1和ki,2。

step3广播(IDA,c,ID1,c1,r1,s1,…,IDt,ct,rt,st)给所有的接收者。

1.2.2 接收者Ri(1≤i≤t)的解密验证法

解密验证算法之输入值:

xi:接收者Ri的私钥,其中1≤i≤t;

解密验证算法的步骤:

step1从(IDA,c,ID1,c,ID1,c1,r1,s1,…,IDt,ct,rt,St)中找出(c,IDi,ci,ri,Si)

step3(k||IDi')=Dki,1(ci),如果IDi'≠IDi则停止验证

step4 w=Dk(c)并将w分成m和h

step5检查是否h可以从h=KHk(m)得到和是否ri可以从KHKi,2(w)计算得到

如果h=KHk(m)和ri=KHKi,2(w),则接收者Ri(1≤i≤t)接受m为正确的讯息。

1.3 多对一的签密模型

为了对消息m进行多重签名,首先签名者Ui(i=1,…,n)把消息m分为n份,即mi=(i=1,…,n),签名者Ui对应的部分消息为mi,其密钥对为(xui,yui)

1.3.1 签密算法的步骤

1.3.2 解密验证算法的步骤

step1接收者B接收到消息的签密文为(ID1,s1,c1,ID2,s2,c2,…,IDn,sn,rn,cn)

1.4 多对多的签密模型

这里借助一个可信赖的第三方,把多对多的签密模型转化为多对一和一对多的签密模型,即多个签名者对消息进行签密并把密文发送给第三方,第三方进行解密获得消息和接收者身份,之后第三方再对消息进行签密,并把签名者的身份和密文一起发送给接收者。

2 结论

签密技术是密码学中的一种新的密码技术,它能够在同一逻辑步骤内同时完成数字签名和加密两项功能,而其代价远远低于二阶段法.文中基于网络交流的思想提出了四种签密模型,模型中的签字和加密技术可以灵活选取,因而具有广泛的适用性。

参考文献

[1]W.Diffie and M.E.Hellman,"New directions in cryptography,"IEEE Transactions on Information Theory,Vol.IT-22,No.6,1976,pp.644-654.

[2]张键红,王继林,王育民.一种多重签密模型及应用[J].西安电子科技大学学报,2001.

[3]W.B.Lee and C.C.Chang,"Authenticated encryption scheme without using a one way function",Electronic Letters,Vol.31,No.19,1995,pp.1656-1657.

企业用户关系 第5篇

移动环境中，用户速度是一项重要的上下文要素，影响用户对移动地图的空间认知。张海堂指出运动速度是影响移动用户使用空间信息的重要因素之一，以不同速度运动的用户所处的环境范围改变的速度是不一样的，对空间信息关注的细节层次也不同[3]。而用户速度影响移动地图空间认知的一个重要表现是移动地图比例尺的选择。关于速度和地图比例尺之间关系的研究，Chalmers从直觉上用地图尺度效用曲线来示意步行、车行速度与地图比例尺之间的关系[4]，张海堂修改了他的地图尺度效用曲线[3]。目前，已有部分导航软件实现了根据车速快慢提供不同比例尺地图的功能，如TomTom公司的导航软件。

由此可见，目前速度和移动地图比例尺之间的关系还没有明确的表达方法，前人凭借经验直觉研究了车行和步行两种状态下合适的地图比例尺的选择，然而并未探讨不同的运行速度与地图比例尺之间的关系。本文基于车行状态下用户的动态视觉特征，首先分析了用户速度对移动地图认知的影响，在此基础上，探讨速度与移动地图比例尺之间的关系。

1 速度与移动地图认知

在移动环境中，运动速度是一个不容忽视的影响移动用户空间认知的重要因素。用户在车行状态下，95%的视觉信息是动态的[5]，了解车行状态下用户的动态视觉特征，对于研究速度对移动地图认知的影响具有一定的意义。

1.1 车行用户的动态视觉特征

在车行状态下，随着行车速度的提高，用户的视野变窄。低速行驶时，用户能清晰地看到前方全景，而随着车速提高，近处景物的相对移动速度提高，用户的视网膜来不及成像而变得模糊，因此，只有远处的景物还可以看清。用户在行车过程中，视野范围随车速的变化情况如图1所示[6]。由图中可以看出，随着车速的提高，用户的视野范围逐渐变小。

在某一时刻,用户注意力的集中点称为注视点,注视点与车当前位置的距离称为注视距离。用户在行车过程中会把注意力集中在前方的路面上,并且车速越高,注意力越集中,越难转移。随着车速的提高,用户的视野范围变窄,用户的注视点也向前移动,注视距离随之变远。行车速度与视野、注视距离的关系如表1所示[7]。由表中可以看出,随着车速的增加,用户的视野范围变小,注视距离变远。

1.2 速度对移动地图空间认知的影响

在移动环境中，针对不同的运动速度，同一尺度的空间信息所产生的效用是不同的。对于步行者来说，可以花较多时间的来阅读详细的地图，因此所需地图的信息载负量可以较大;在汽车导航过程中，太详细的地图不易读懂，因此地图的信息载负量较小。而针对不同的行车速度，根据人运动状态下的视觉规律，随着车速的不同，用户的视野和注视距离也不断变化，因此用户所需的地图尺度也会有所不同。当移动用户速度较快时，用户的注视距离较远，需要的地图视野范围较大，则空间信息细节层次较低，常使用较小比例尺的地图;当速度较慢时，用户的注视距离较近，需要的地图视野范围较小，则空间信息细节层次较高，需使用较大比例尺的地图。

因此，根据人的认知特性，随着运动速度不同，移动用户对空间信息的接收和理解不同，用户所需的地图比例尺也不同。

2 速度与移动地图比例尺的关系

用户速度是影响移动地图比例尺选择的一个重要因素。移动地图中，地图显示比例尺是指在任一给定的缩放级别上数字地图的比例尺，即地图上一个单位代表实地多少个单位。通常在移动地图应用中，任何一个给定视图中出现的地图绘制范围，都是由比例尺控制的。

关于速度和比例尺之间存在的关系，目前还没有明确的表达。前人凭经验和直觉作了一定的研究。

Chalmers从直觉上用地图尺度效用(Utility)曲线来示意性地表达运动速度与地图比例尺之间的相互关系，如图2所示[4]。由此比例尺效用曲线可以看出，同一比例尺的地图在步行和车行状态下，对于用户来说，其发挥的效用是不同的;对于不同的运动状态(车行或者步行)，存在一个最适宜的比例尺，使其效用达到最大。由图中可以看出，车行状态下，比例尺为1:100000的地图，其效用值达最大;而步行状态下，比例尺为1:25000的地图，其效用值达最大。

张海堂修改了Chalmers的地图比例尺效用曲线，如图3所示[3]。由图中可以看出，车行状态下，比例尺为1:50000的地图，其效用值达最大;而步行状态下，比例尺为1:10000的地图，其效用值达最大。

Reichenbacher研究了移动设备上地理信息的自适应表达，其中提到一条自适应可视化规则：If(means_of_transport)=“car”then scale=1:150000[8]。由此规则可以看出，Reichenbacher认为车行状态下比例尺为1:150000的地图最适合移动用户使用。

由上述研究可以看出，研究者针对步行、车行两种状态，各自选取的最适合用户使用的移动地图比例尺是不一样的。可见，目前还没有一个明确的具有普遍指导意义的规则来确定速度和移动地图比例尺之间的关系。但是，尽管这些方法只是从直觉上进行表示，并不是实际对用户进行实验研究的结果，在为移动用户提供空间信息服务时，这种直觉图还是具有一定的指导意义。

Chalmers和张海堂研究了用户在步行和车行状态下，步行速度和车行速度与移动地图比例尺之间的关联关系。那么在车行状态下，不同的运行速度对移动地图比例尺的选择又存在怎样的影响呢?

速度相对较大的用户，需要的地图视野范围越大，空间信息细节层次越低，所需的地图比例尺较小;而当速度较慢时，用户所需的空间细节层次增加，地图比例尺相对较大。因此，不同的运行速度与移动地图显示比例尺之间的关系可以用图4来示意性地表达。由图中可以看出，用户速度由慢变快，其所需移动地图的比例尺由大变小，地图内容的细节层次由详细变为概略。

在车行状态下，针对不同的运行速度，地图比例尺的效用曲线可用图5表示，图中不同样式的线型区分不同的速度。假定有三个速度V1、V2、V3，则会有对应的三个最适宜的比例尺分别为1/MV1、1/MV2、1/MV3的移动地图，对于用户来说，其效用值达到最大;并且，如果速度V11/MV2>1/MV3，即速度越快，所需的比例尺越小。

3 总结

用户速度是影响移动地图综合的重要要素之一，直接影响到地图比例尺的选择。同一移动地图比例尺在不同的速度下使用其效用是不一样的;针对不同的运行速度，相应地会有一个最适宜的比例尺，使移动地图的效用最佳，并且，比例尺随速度变大而变小。

但是目前仅凭研究者经验确定的车行、步行状态下最适宜的地图比例尺，其效用究竟如何还有待进一步深入的探讨。要深入研究速度与移动地图尺度之间的确切关系，应该通过大量的认知心理学实验，或者建立仿真系统，在虚拟现实环境下进行仿真试验，从而确定与某一速度最相适宜的移动地图的尺度，这样实验结果才更准确、可靠，更具科学性和参考意义。

参考文献

[1]闾国年.地理信息技术与数字江苏建设[J].现代测绘,2003,26(1):4-9.

[2]王家耀等.普通地图制图综合原理[M].北京:测绘出版社,1993.

[3]张海堂.空间信息移动服务模型、算法与传输技术研究[D].郑州:中国人民解放军信息工程大学,2005.

[4]Chalmers D,Sloman M,Dulay N.Map Adaptation for Users of Mobile Systems[C].proceedings of10th Intl.World Wide Web Conference(WWW10)Hong Kong,ACM,2001.

[5]赵炳强.驾驶员动态视觉特征及其影响[J].公路交通科技,1998,15(1):29-30,40.

[6]巴布可夫.道路条件与交通安全[M].上海:同济大学出版社,1990.

[7]潘兵宏,赵一飞,梁孝忠.动视觉原理在公路线形设计中的应用[J].长安大学学报:自然科学版,2004,24(6):20-24.

企业用户关系 第6篇

随着社会科技手段的逐步发展,新媒体逐步成为我国媒体传播行业中的“新宠儿”,新媒体的发展为创作者和使用者之间提供了良好的沟通平台,促进了我国传媒事业的大众化发展。以地方党报作为传统媒体的代表,在新媒体融合发展的时代背景下对传统媒体推陈出新,在保留传统媒体优势的基础上,进行新媒体的融合发展,为促进我国传播行业的进一步发展,提供良好的前景。

二、地方党报在媒体融合下建立新型用户关系的必要性

地方党报是传统媒体传播的代表形式之一,加强地方党报与时俱进的发展具有一定必要性。其一,地方党报是我国传统纸媒的代表形式之一,加强地方党报在传播内容、传播形式上的不断更新与发展,是我国传播媒体逐步发展与更新的重要体现,是我国综合国力发展的重要体现,也为促进我国传播产业新旧产业连接,提供有力的实践途径。其二,地方党报在媒体融合下建立新型用户关系,能够进一步宣传我党相关政策,促进党建队伍中精神更加形象、更加具体传播,促进我国党建工作进一步深入落实到地方建设中,加强我党建设的群众基础,促进我国社会主义事业发展与创新。例如,某地方党报在两会期间开设《两会“政治课”》系列报道,[1]通过纸媒传播、线上微博和微信互动平台,加强了群众对两会热点话题的深入讨论,不仅加强了我国两会内容在群众中的传播,增强了群众的政治参与热情,还为党报发行提供了广阔的发展市场,促进了传统媒介的进一步发展与形式的创新。

三、地方党报构筑新型用户关系的表现形式

(一)地方党报报纸管理形式多样化发展

首先,地方党报在报纸管理形式上向着多样化方向发展。依托新媒体的传播形式,实现党报保值管理形式向着“企业化”方向发展,地方党报的报纸管理形式从传统的“编辑—印刷—发行—传播”[2]的形式中,逐步发展出来,向着新形势发展。例如,电子报的发行,新媒体微信平台、微博平台、手机客户端的运行发展等,为地方党报的进一步宣传提供了多种信息管理形式,促进了地方党报报纸管理形式的多样化发展。此外,地方党报中,应用新媒体作为党报内容传播“新”途径,为地方党报新闻传播提供了多种表现途径,使地方党报的运行发展逐步形成系统化的管理建设模式,地方党报的内容更丰富,群众互动渠道更广,信息实用性也逐步增强,逐步实现了信息传播的实效性与快速性的高效统一。地方党报通过对新媒体收集的大量信息资源进分门别类,实现新闻资源编辑管理的专业化,保障党报传播内容的生动性和实效性,提高了党报的内容质量,促进了党报的创新与发展。

(二)地方党报建设信息热点以“百姓关注”为内容要点

地方党报实现了新媒体下构建新型用户关系,实现了党报信息热点“百姓关注”的主要特点。传统党报建设中的内容主要包括“相关政策建设”“百姓关注”“社会热点”等几大组成,内容形式多以严肃、庄重的新闻式报道为主。由于地方性党报的内容分布主要形式过于单一,内容形式刻板化严重,党报的传播范围受到一定的限制,再加上新媒体的冲击,使党报的发行与传播处于摇摇欲坠的危险境界。新媒体背景下,地方党报的可阅读性,扩大党报受众群体,丰富党报的内容建设,将“百姓关注”作为党报新媒体形势下,开展群众基础建设的窗口,加强了党报内容的可解读性,促进了党报传播形式的进一步深入发展。例如,成都日报“锦观”客户端,通过“闻”“观”“评”“问”的手段,加强地方党报的用户互动,促进了成都日报对我国地方建设内容实况的报道,为我党深入开展地方建设,提供了良好的群众互动平台,促进了成都地方党报建设在新时代下的发展传播意义。

(三)地方党报建设注重党报建设内容的多样性发展

新媒体传播发展中,传统媒介的“读者”转变成“用户”,这是地方党报实现建设内容多样化和形式多样化的重要体现。其一,形式多样化主要体现在,地方党报的传播形式从单一的纸媒传播向着新媒体发展衍生的多种形式进行分析,包括党报微博公众号、党报微信公众号以及手机客户端的视频传播形式等多种形式下的新传播途径,增加了党报新闻内容传播的途径,扩大了党报的消费群体。其二,新媒体下地方报的用户群体形式多样,要求党报的传播内容逐步向着多样化趋势发展,与新媒体的运行发展之间形成良好的链接,合理运用新媒体促进党报发展与创新。例如,党报的内容不仅包括“新闻主体”和“广告”两部分,还应当包括党报内容的“观点”与群众互动主体,积极调动群众的参与度,增加党报与群众日常生活之间的联系,在新媒体背景下进一步充实党报内容,使用户关系进一步协调发展。

(四)新媒体融合地方党报建设线上线下互动传播

新媒体的融合体现在党报建设中最直接的体现方式是线上线下互动传播。新媒体的运行和发展与传统传播媒体不同,新媒体把媒介传播的利益“直观化”,实现新媒体传播中利益性与实效性同步运行与发展。例如,国内某时报的党报运行采用线上线下同步运行与发展,线上通过党报板块进行相关新闻报道,并对百姓关注的话题进行讨论,促进新媒体下党报新闻内容的传播推广,同时通过群众在线讨论,对某产品进行了解,扩大某产品的商业销售市场,从而扩大党报的广告收益。

四、结语

对媒体融合背景下,地方党报构筑新用户的探讨能够促进我国传统传媒行业融合时代发展的新形式,实现“互联网+”的运行发展模式,促进传媒行业进一步发展。另外,这种新形势的党报发展模式也为互联网带动地方经济发展提供了新方向,促进了我国经济的稳步发展。

参考文献

[1]窦锋昌.报纸开放式新闻生产研究[D].武汉大学,2013.

企业用户关系 第7篇

怎样根据每个用户的偏好特性从互联网海量信息中寻找满足用户需求的信息,进而推荐给用户,成为当前一个亟待解决的研究问题。在这种背景下,个性化推荐系统应运而生。它是建立在海量数据挖掘基础上的一种高级商务智能平台,以帮助电子商务网站为其顾客购物提供完全个性化的决策支持和信息服务。通过建立用户与产品之间的二元关系,利用用户已有的选择过程或相似性关系挖掘每个用户潜在感兴趣的对象,进而进行个性化推荐[2,3,4]。目前的推荐算法主要包括协同过滤推荐算法[5,6,7]、基于内容的推荐算法[8,9]、基于用户-产品二部图关系的推荐算法[10,11]及混合推荐算法[12]。

本文在用户-产品扩散过程中,使用用户对产品的评分等级进行加权扩散,在产品-标签扩散过程中,使用简单的平均分配扩散,然后进行用户-产品-标签三分图上的简单整合,通过实验验证,最终推荐的准确性有了明显的提高。

1 加权的扩散

在张子柯,周涛,张翼成[1]研究的二分图上的扩散和三分图上的整合扩散过程中,对资源的分配都是平均分配的,但是实际中,不同用户对他所收集的产品都有不同程度的偏好,比如一个用户可能对一个产品评价了1分,但是对另一个产品评价了5分,那么如果按照平均分配,就没有体现出这个用户对不同产品的不同程度的偏好。所以我们在用户-产品二分图上的扩散过程中,对它们加入了权重。在用户-产品二分图上的扩散中,当从一个产品扩散到一个用户时,权值=这个用户对这个产品的评分/所有收集了这个产品的用户对这个产品的评分之和,反过来,当从一个用户扩散一个产品时,权值=这个用户对这个产品的评分/这个用户对所有他所收集的产品的评分的总和。

在这里,我们假设这样一个二分图G(U,I,E),其中U和I分别是用户的集合和产品的集合,而E是从用户到产品的连线的集合。假设一种资源最初定位在产品上,每个产品根据权值分配它的资源给相应的邻接用户,之后,每个用户根据权值重新分配它所得到的资源给它所连接的产品。用f軆来表示在产品上的最初资源的向量(f軆j表示在Ij上的资源数量),最后的资源向量f軆′,经过两步的扩散之后为:

其中,rlj为用户Ul对产品Ij的评分,r(Ul)为用户Ul对他所连接的所有产品的评分的总和。rsj为产品Is所连接的用户Ul对它的评分,r(Is)为产品Is所连接的所有用户对它的评分的总和。

之后,在产品到标签的扩散中,我们依然使用张子柯,周涛,张翼成研究的二分图上扩散的平均分配的方法,然后使用本节中加权的扩散简单整合方法实现用户-产品和产品-标签两个二分图的整合。经过本文在数据集Movie Lens上的实验,这种推荐方法比纯粹的资源的平均分配的推荐有更好的准确度。

2 实验

2.1 实验的环境与大概步骤

本次实验使用的环境是win7下eclipse3.6.1,使用java语言来实现。

本次实验大概分成五个步骤:数据读入->数据纯化->数据划分->训练->评价,每个步骤使用一个类来实现,每个步骤都使用类实例来连接与传递信息。

2.2 评价的实现

经过前面一章的处理,我们得到了每个用户的推荐结果,但是我们不知道这样的推荐结果是否准确,所以需要一些方法去评价这个实验的准确性,在这里我们使用查全率与查准率去评价这个推荐方法。

在本次实验中,我们主要使用一个类Evaluation来实现对本次实验的评价,主要有三个属性,一个用来保存用户ID的数组User ID、一个用来表示查全率的二维数组Recall和一个用来表示查准率的二维数组,这两个数组的第一列都表示用户的ID,第二列分别表示这个用户的查全率与查准率。

类Evaluation主要有两个方法,第一个是一个初始化函数,因为本文使用的5倍交叉验证的方法,需要训练测试5次,所以查全率也要保存5次,初始化时根据用户数和训练测试次数创建数组。第二方法主要用来计算用户的查全率与查准率,这个方法的参数主要有三个参数,Training类、Data Dividing类和训练测试次数,首先遍历类Datadividing中的测试集中的用户ID数组Test_vec User ID,建立用一个变量User IDtmp记录当前要处理的用户ID,然后在类Training的User ID_Item ID数组里查找当前用户在这个数组的位置,用变量j记录它。建立变量cur_User Num和cnt分别记录当前测试用户的记录条数和测试用户的产品在推荐列表中存在的数目,遍历类Datadividing的Test_vec User ID,如果这条记录的用户ID等于目标用户的ID,这时如果j等于所有用户的个数,则证明这个用户ID在推荐中不存在,忽略他,如果存在,目标用户的测试产品的个数cur_User Num加1,同时计算这个用户的产品是否在推荐列表中,这时就可以根据变量j得到当前用户在类Training的User ID_Item ID数组里的位置,然后遍历这个用户的推荐列表,如果不存在,则跳过,否则把目标用户的测试产品在推荐列表中出现的次数cnt加1。最后就可以根据上面计算出的数据计算用户的查全率与查准率,这个用户的查全率等于cnt/cur_User Num,查准率等于cnt/Recommendation Num,其中Recommendation Num表示推荐给用户的产品的个数,即推荐列表的长度。

2.3 实验结果与分析

在这篇论文中,我们对推荐列表长度L∈[10,100]做了实验,分别取了λ=0,λ=0.2和λ=1的值。同时我们对L=100时,λ∈[0,1]做了实验。

从表1,我们可以看出以下信息:(1)在产品-标签二分图(λ=0)上比在用户-产品二分图(λ=1)上的纯粹的扩散表现得更好。(2)当推荐列表长度增加时,推荐算法的查全率也随着提高。

通过对比表2与表3,我们可以看出查全率与查准率一般是互逆相关关系,即提高查全率往往要降低查准率,反之亦然。

从上面的表4可以看出,在λ的特定范围内,整合算法比纯粹的扩散算法(即λ=0和λ=1时的扩散)表现得好,这就证明整合算法的优点。

3 小结

企业用户关系 第8篇

Web 2.0的到来极大地改变了人与人之间交流的方式,人们可以在各种社交平台上发表自己的观点。Web 2.0网络应用中,电子商务是发展最快的领域之一。因此,网上购物越来越受到人们的欢迎。消费者在购买商品之前,通常会阅读与此产品相关的评论,根据评论的好坏再决定是否购买。但是,不是所有的评论都是真实的,一些虚假评论者在利益的诱引下写下虚假评论以误导消费者。所以,虚假评论者的识别对于电子商务的发展有很重要的意义。

在网上购物时,评论信息可以直接影响消费者的购买决策。因此,在利益的驱动下,一些商家雇人为自己的商品发布一些不切实际的正面评论以提高信誉,或者为了诋毁竞争对手而发布一些恶意的负面评论。这些虚假评论者严重影响了电商平台上的正常竞争。通过总结之前研究者对虚假评论者的认识,本文将虚假评论者分为以下2类:

1)类型1(欺骗性评论发布者):蓄意发布一些正面评论以提高商家名声,或者故意写下恶意评论破坏商家声誉。

2)类型2(破坏性评论发布者):发布一些与商品无关的评论、广告。

因为人们可以很容易地识别破坏性评论,所以破坏性发布者的危害不大。但是欺骗性评论发布者可以刻意地掩饰自己所发表的虚假评论,使其与正常评论看似没有差别,即使是人工识别方法也难以检测。而且,到目前为止,欺骗性评论者的检测方法不是很多,且效果不好。本文主要面向于这种识别难度更大的欺骗性虚假评论者的研究,创新性地采用了评论者之间情感方面的差异来构建特征模型,并结合用户之间的关系构造出一种多边图的模型,最后计算出用户不可靠分数来识别虚假评论者。

1 相关研究

最近几年,虚假评论者的识别已经成为数据挖掘领域最为活跃的研究之一。相关研究者提出了许多新颖的方法,但是仍然有许多问题存在。由于在很多情况下,正常用户也无法识别一个评论是否为虚假评论,从而造成标注数据不足以及难以评估检测效果,这也是虚假评论者识别研究中所面临的最大问题之一。

自从Jindal等人提出虚假评论的广泛存在[1],研究者已经提出了许多识别技术。其中一个主要的是有监督的学习方法。Jindal、Liu通过提取评论文本、评论者和商品的特征进行建模来区分重复评论和非重复评论[1,2]。Li等人[4]利用评论和评论者的特征提出一种双视图、联合训练的半监督学习方法,取得了很好的效果。

由于缺乏标注数据,无监督的学习方法也被提出识别虚假评论者。Jindal等利用一种基于用户行为的无监督方法识别那些操纵特定商品评分等级的虚假评论者。Lai等人[5]根据高阶概念关联的挖掘方法提供一种基本术语关联知识的无监督识别方法。Wang等人[6]通过捕捉评论者、评论和商家之间的关系提出一种基于关系图的无监督方法。Mukherjee等人[7]发现了评论者之间不同的行为分布,总结出9类用户行为特征。Liang等人[8]将用户之间关系和用户特征结合起来,识别准确率取得了很大的提高。

由于虚假评论者团体可以很轻松地提高或破坏特定商品的声誉,虚假评论者团体的识别成了近几年研究的热点。Liu等人[9]首次提出通过计算虚假评论指标值来检测虚假评论者,然后他们又构造了一种团体、个人评论者以及他们所评论商品之间的关系模型[10]。

2 用户情感分析及特征定义

2.1 用户情感分析

传统的评论文本分析大多基于客观的要素,而忽略了其中所蕴含的主观要素,比如用户的情感信息、心理特征等。近年来,对评论文本的情感分析成为信息科学研究的热点,心理学关于情感的研究成果也对分析网络信息具有重要的参考价值。由于虚假评论是蓄意发布以提高或破坏产品名声,虚假评论者在写评论时的情绪、情感等心理特征和正常评论者必然存在一定差异。因此,本文创新性的在建模过程中加入了用户的情感特征。

2.2 特征定义

根据先前研究者对特征定义和构建的方法[2],并结合用户心理语言学知识以及情感极性的分析,本文总结了以下8个特征。每个特征的取值范围为[0,1],特征值越大,该用户为虚假评论者的可能性就越大。表1列出了相关符号的定义。

2.2.1 商品属性词提及度

商品属性词汇量是指评论中描述商品各项属性的词的个数。如果评论中商品属性词出现频率越高,评论内容与商品的相关度就越大,该用户为垃圾评论者的可能性就越小,反之可能性就越大。本文采用评论中属性词所占总词汇的比重作为商品属性词提及度。

因为设定的特征值得分越高,越可能为虚假评论者,因此定义此特征为:

2.2.2 第一人称代词词频

在评论中使用第一人称代词可以把评论者置于显现的位置从而增强评论的真实性和亲切感。所以本文认为虚假评论者应会更多地使用第一人称代词,以加强评论的可信性。

2.2.3 词汇的多样性

词汇的多样性是指句子中使用不同词语的比例。其中形容词和副词可以更准确地表达评论者的情感。本文认为虚假评论者使用词汇的多样性少于正常评论者。这里采用形容词和副词的占总词汇的比例代表词汇的多样性。

2.2.4 用户活跃度

虚假评论者一般不是某一网站的长期用户[10],然而真实的用户会经常使用自己账户购买东西并发表相关评论。这里通过计算用户第一次评论与最后一次评论之间时间间隔来判定评论者的活跃度,评论时间间隔越久,评论者为虚假评论者的可疑性就越高。

其中ζ为时间间隔阈值,本文根据下文所构建的数据集,利用启发式的方法设定阈值,此处ζ设定为60天。

2.2.5 用户积极性

用户在网上购买商品时往往依赖于该商品靠前面的评论来抉择是否购买。因此,虚假评论者会尽量抢占评论靠前的位置以迷惑消费者[4]。本文通过计算评论者对某商品的评论时间与该商品第一条评论之间的时间间隔来判断评论者的积极性。

其中β为时间阈值,此处设定β为150天。当用户评论时间与该商品第一条评论时间间隔小于150天时,我们认为此用户可能为虚假评论者。间隔时间越短,该用户的可疑度就越大。

2.2.6 用户极端评分

虚假评论者更容易给出极端的评分(5分或1分)以最大限度地提高或损害商品的名声。当用户评分为5分或1分时,我们设定此特征值为1,其他评分时则设置特征值为0。

2.2.7 情感表达强度

情感是人对客观现实的一种特殊反映形式。因此,用户对产品的使用体会越深刻,在评论中所表达的情感的显性程度越大。而虚假评论者往往没有商品体验经历,情感表达强度会偏低。本文通过建立情感词典,并计算情感词占总词汇的比例来代表情感表达强度。

2.2.8 平均评分的偏差

虚假评论者通常是给质量不好的商品以好的评价,而给质量好的商品以差的评价。因此,虚假评论者的平均评分和总的用户平均评分有一定偏差。本文认为偏差越大,该用户为虚假评论者的可能性就越大。

2.3 特征组合

我们将前面总结的8个特征组合在一起,并根据实验和经验对每个特征赋予一定的权重,来计算用户的特征初始得分,这一步对识别虚假评论者很关键。首先分别计算每个评论者的这8个特征值,然后根据式(11)得出该用户得分的初始值。得分越高,该用户为虚假评论者的可能性就越大。

3 用户关系模型构建

3.1 用户关系分析

虚假评论者是被商家雇佣以促进自己商品销售或中伤竞争对手的商品。因此,评论者、评论和商品之间必然存在着一定的联系:

1)虚假评论者通常对于目标商品会给出一样或者相似的评分,而与真实评论者的评分却有一定的偏差。

2)虚假评论者通常被信誉不好的商家所雇佣以促进自己商品的销售,而信誉好的商家一般不会。

3)评论的真实性取决于所评论商品的可靠性以及与该商品其他评论的一致性。

4)商品的可靠性取决于信誉高的评论者所给出的评分。

3.2 模型构建

为了说明评论者、评论和商品之间存在的联系,本文构建了一个异构图的模型,如图1所示。图中有三种类型节点:评论者、评论和商品。同时,图中有两种类型的边:(i)评论者节点与他所发表的评论节点之间的边。(ii)评论节点指向其所评论商品节点的边。

由图1可知,不同评论者对于商品有着相同或相反的评论。例如用户1给商品1差评,而用户2给商品1好评,评分相反;用户2给商品3好评,用户3也给商品3好评,评分相同。为了更好地阐述他们之间的关系,本文根据图1构建了用户之间关系的多边图的模型,如图2所示。图中每个节点代表一个评论者,两个节点之间的边代表评论者之间的关系。在此模型中定义了两种类型的边:

“支持边”:如果两个评论者对于商品评价相同或相似,两个节点之间添加一条“支持边”。如评论者2与评论者3对于商品3的评价相同,因此他们之间就添加一条关于商品3的“支持边”。

“反对边”:如果两个评论者对于商品评价相反或相差很大,两个节点之间添加一条“反对边”。如评论者1与评论者2关于商品1的评价不同,在他们之间添加一条关于商品1“反对边”。

4 虚假评论者识别

4.1 数据集构建

本文采用httpclient模拟浏览器从亚马逊购物网站上(http://www.amazon.cn/)获取了关于日用商品的一些评论信息。每个评论信息包含以下属性:用户编号、商品编号、商品评分、评论日期以及评论文本。通过对评论信息的一些预处理操作,最后获得5961条评论、2342位评论者以及412个商品作为实验数据集。然后根据以上据数据集构建了评论者之间的关系模型,其中有21 675条同意边以及10 184条反对边。

4.2 用户不可靠分数

本文基于TrustRank[11]方法,并结合上文所构造的用户关系模型和特征工程计算评论者不可靠分数。我们根据以下准则计算用户的不可靠分数:

1)评论者的不可靠分数不是根据所评论的数量多少,而是根据所评论的真实性。虚假评论越多,评论者不可靠分数越高,该评论者为虚假评论者的可疑度就越大。

2)评论者的分数应当增加/减少如果和其他评论者之间有同意边/反对边,因为虚假评论者通常都协同合作,对特定商品给一样或相似的评价。

3)不可靠分数由评论者特征初始值和用户之间关系共同决定。

因此,我们定义用户的不可靠分数的计算方法为:

其中score(r)由式(11)所得,表示用户的特征初始值,本文α设定为0.2。此公式采用了以e为底的指数函数作为削减函数。由公式可知,当有其他评论者支持该用户评论时,不可靠分数会增加;反之,当有其他评论者反对此评论时,该用户的不可靠分数会相应减少。特别的,如果当前用户没有相关联的支持边,公式的第一项值为0,不可靠分数则由用户特征初始值决定。

4.3 虚假评论者识别

本文采用的识别虚假评论者的方法既考虑了评论者的情感特征又考虑了评论者之间的关系。具体步骤如下:

输入:用户、评论、商品数据集合

输出:虚假评论者候选集合

步骤1构建评论者之间的关系图。

步骤2根据式(11)计算所有用户的特征初始值。

步骤3归纳用户相对应的支持边与反对边的集合。

步骤4根据式(12)计算用户最终的不可靠分数。

步骤5将用户不可靠分数按照降序排列,排名越靠前的用户放入虚假评论者的候选集合。

5 实验结果评估与分析

5.1 评估策略

本文采用基于信息检索的评估策略,首先选取不可靠分数排名靠前的用户作为虚假评论者的候选。然后我们邀请三位标记人对候选者进行人工标记,以判断候选者是否为虚假评论者。相似的评估方法在之前的研究中已经被广泛运用了[2,4],因此这是一个完善的评估方法。具体评估流程如下:

(1)选择候选集合

我们选择得分最高的100个最有可能为虚假评论者的用户,把他们放入候选集合之中。然后将他们随机排序,这样他们的顺序和不可靠分数就没有关联。

(2)对候选者进行人工识别

由于在评论信息中没有虚假评论者的标签,因此采用人工评估是必要的。我们的标记人为计算机专业学生并且拥有丰富的网上购物经验。人工识别虚假评论者是一项非常复杂的工作,不仅要研究评论者所发表的评论,而且要查看所评价的商品和商家的其他评论以及他们的品质和信誉。在识别过程中还可能受到主观和直觉因素的影响,因此我们制定了一些虚假评论者的识别准则:

经常与其他大多数评论者评论相反。

经常发布重复或者相似的评论。

经常给声誉不好的商家以正面评论。

经常是某些特定商品的前排评论者。

经常夸张地赞扬某商品完全没有任何缺点。

5.2 实验结果

在选取的候选集合中,3位标记人根据自己的经验以及上文制定的准则独立的进行标记。一个用户如果同时被2位及以上的标记人标记为虚假评论者,则该用户被认为是虚假评论者。最终,61个用户被标记为虚假评论者(49个用户得到3票,12个用户得到2票),准确率为61%,对于49%的准确率有很大的提高[1]。表2给出了标记结果以及标记人之间的一致度。

5.3 结果分析

根据表2,我们可以看出3位标记人分别标记了57、59、68个虚假评论者。标记人1与标记人2有52个相同结果与标记人3有56个相同结果;标记人2与标记人3有58个相同结果。为了研究标记人之间的一致性,我们采用Fleiss’kappa[12]方法,得到本次的标记信度为62.4%,达到了实质上一致性的区间[0.61,0.80],证明了本次人工标记的有效性。

6 结语

本文基于用户在情感极性方面的差异,总结了用户情感特征。并结合用户之间复杂的关系创新性的构造了评论者之间多边图模型,提出一种无监督虚假评论者的识别方法。最后通过实验证明了该方法的有效性。

目前此方法仍有一些不足,如对用户情感特征分析不是很全面,人工标记存在一定的偏差,影响实验结果的评估。未来将更透彻分析不同用户之间情感差别,并将用户更多主观特征加入特征集构建中。为了更好地评估方法效果,改进评估策略也是本文下一步的工作。

摘要：随着电子商务的迅速发展,人们越来越亲睐于网上购物。在网上购物之前,消费者往往会参考该产品相关的评价以决定是否购买。因此虚假评论者的识别具有非常重要的意义。基于虚假评论者和真实评论者在情感极性上存在的差异,在特征建模过程中增加了评论文本的情感特征,并结合用户之间对于特定商品之间的关系,创建了一个多边图的模型并提出了一种识别虚假评论者的方法。实验结果验证了该算法的有效性。

关键词：电子商务,虚假评论者,情感特征,用户关系

参考文献

[1]Jindal N,Liu B.Review spam detection[C]//Proceedings of the 16th international conference on World Wide Web,Banff,AB,Canada,May08-12,2007.New York,NY,USA:ACM,2007:1189-1190.

[2]Jindal N,Liu B.Opinion spam and analysis[C]//Proceedings of the international conference on Web search and web data mining,California,USA,Feb 11-12,2008.New York,NY,USA:ACM,2008:219-230.

[3]Li F,Huang M,Yang Y,et al.Learning to identify review spam[C]//Proceedings of the 22nd international joint conference on Artificial Intelligence,Barcelona,Spain,Jul 16-22,2011.Palo Alto,CA,USA:AAAI,2011:2488-2493.

[4]Lim E,Nguyen V,Jindal N,et al.Detecting product review spammers using rating behaviors[C]//Proceedings of the 19th ACM international conference on Information and knowledge management,Toronto,ON,Canada,October 26-30,2010.New York,NY,USA:ACM,2010:939-948.

[5]Lai C,Xu K,Lau R,et al.High-order concept associations mining and inferential language modeling for online review spam detection[C]//Data Mining Workshops(ICDMW),2010 IEEE International Conference,Sydney,NSW,Australia,Dec 13-13,2010.Washington,DC,USA:IEEE,2010:1120-1127.

[6]Wang G,Xie S H,Liu B,et al.Review Graph Based Online Store Review Spammer Detection[C]//Proceedings of the 11th International Conference on Data Mining,Mesa,Arizona,USA,April 28-30,2011.Washington,DC,USA:IEEE,2011:1242-1247.

[7]Mukherjee A,Kumar A,Liu B,et al.Spotting opinion spammers using behavioral footprints[C]//Proceedings of the 19th ACM SIGKDD international conference on Knowledge discovery and data mining,Chicago,IL,USA,August 11-14,2013.New York,NY,USA:ACM,2013:632-640.

[8]Liang D X,Liu X Y,Shen H.Detecting Spam Reviewers by Combing Reviewer Feature and Relationship[C]//Informative and Cybernetics for Computational Social Systems(ICCSS),2014 International Conference,Qingdao,Shandong,China,Oct 9-10 2014.Washington,DC,USA:IEEE,2014:102-107.

[9]Mukherjee A,Liu B,Wang J,et al.Detecting group review spam[C]//Proceedings of the 20th international conference companion on World wide web,Hyderabad,India,March 28-April 01,2011.New York,NY,USA:ACM,2011:93-94.

[10]Mukherjee A,Liu B,Glance N.Spotting fake reviewer groups in consumer reviews[C]//Proceedings of the 21st international conference on World Wide Web,Lyon,France April 16-20,2012.New York,NY,USA:ACM,2012:191-200.

[11]Gyngyi Z,Garcia Molina H,Pedersen J.Combating web spam with TrustRank[C]//Proceedings of the Thirtieth international conference on Very large data bases,Toronto,Canada,August 31-September 3 2004.San Fransisco,CA 94104,USA:Morgan Kaufmann,2004:576-587.