專利名稱：用戶反饋可靠性保障方法
技術(shù)領(lǐng)域：
本發(fā)明涉及軟件工程領(lǐng)域，特別是涉及一種用于軟件構(gòu)件庫中的用戶反 饋可靠性保障方法。
背景技術(shù)：
隨著軟件復(fù)用和基于構(gòu)件的軟件開發(fā)技術(shù)的快速發(fā)展，基于構(gòu)件管理觀 念，構(gòu)件庫在各軟件技術(shù)領(lǐng)域被廣泛應(yīng)用。為了支持用戶找到合適的構(gòu)件，軟件構(gòu)件庫提供的基本功能包括構(gòu)件的描述與分類、構(gòu)件的存儲、構(gòu)件的 驗(yàn)證、構(gòu)件的評估與反饋、構(gòu)件的檢索與發(fā)現(xiàn)、用戶管理以及訪問控制等。在軟件構(gòu)件庫中，構(gòu)件的評估與反饋是指系統(tǒng)對所管理的可復(fù)用構(gòu)件的 相關(guān)信息進(jìn)行統(tǒng)計(jì)，以便于用戶了解構(gòu)件庫中軟件構(gòu)件的質(zhì)量和服務(wù)狀況。 通常，構(gòu)件庫可以通過構(gòu)建構(gòu)件信譽(yù)系統(tǒng)，支持復(fù)用者對構(gòu)件的使用情況進(jìn)行反饋，并將復(fù)用者之間的反饋信息共享，為用戶在檢索和選取適當(dāng)?shù)臉?gòu)件、 軟件構(gòu)件庫的管理者在管理和維護(hù)軟件構(gòu)件庫時(shí)，提供一套輔助進(jìn)行分析決 策的機(jī)制。由此可見，復(fù)用者反饋的真實(shí)性、可靠性對構(gòu)件的評估有著至關(guān) 重要的作用，直接關(guān)系到系統(tǒng)進(jìn)行構(gòu)件信譽(yù)評估和用戶選取構(gòu)件的正確性及 高效性。在實(shí)際應(yīng)用中，由于網(wǎng)絡(luò)的分布性和開放性，面向分布式應(yīng)用的構(gòu)件庫 系統(tǒng)無法避免某些用戶可能會有意、無意地提供一些不符合被評價(jià)構(gòu)件實(shí)體 實(shí)際行為的反饋，統(tǒng)稱為不公平反饋。譬如，某些復(fù)用者可能基于互利的原 因向軟件構(gòu)件提供方發(fā)表了一個(gè)較其實(shí)際服務(wù)水平過高的評價(jià)。因此，在軟 件構(gòu)件庫管理中需要提供一種保障復(fù)用者反饋評價(jià)可靠性的方法，以保證構(gòu)件信譽(yù)評估的可信性，利于軟件構(gòu)件庫管理和用戶選用構(gòu)件。目前，關(guān)于保障用戶反饋評價(jià)可靠性的現(xiàn)有技術(shù)主要有以下三種現(xiàn)有技術(shù)一、研究發(fā)現(xiàn)，信譽(yù)系統(tǒng)中的用戶一般更傾向于"多說好話少說壞話"。在一次調(diào)查的反饋系統(tǒng)中發(fā)現(xiàn)僅有0. 6%的買者反饋和1. 6%的賣 者反饋是負(fù)面的。這與事實(shí)是不相符合的， 一種可能的解釋是反饋群體中的 用戶表現(xiàn)了一種謙虛或者彼此恭維的態(tài)度， 一個(gè)反饋用戶提交了一個(gè)正面的 評價(jià)給對方，同時(shí)也希望另一方也能給自己一個(gè)較好的評價(jià)；從另一方面來 說， 一個(gè)用戶可能擔(dān)心如果給對方提交了負(fù)面的反饋，對方也會報(bào)復(fù)給自己 一個(gè)負(fù)面的反饋。最終，沒有人愿意甘冒風(fēng)險(xiǎn)，反饋系統(tǒng)為此一直維持著這 種不符合實(shí)際的反饋現(xiàn)象。針對這種現(xiàn)象，研究者提出了一種支持匿名反饋 的加密模式，在該模式中，反饋用戶均以匿名形式進(jìn)行，反饋評價(jià)中無法獲 得反饋用戶的真實(shí)身份。上述現(xiàn)有技術(shù)中的匿名反饋雖然使得系統(tǒng)中的用戶無法發(fā)現(xiàn)反饋用戶的 真實(shí)身份，減小了報(bào)復(fù)的反饋現(xiàn)象，但該方案將所有的反饋用戶一視同仁， 無法避免系統(tǒng)中可能出現(xiàn)的某些用戶針對某個(gè)實(shí)體提供了過高或過低的反饋 評價(jià)的情況。現(xiàn)有技術(shù)二、 一個(gè)人在不同情況下的行為往往具有相似性，例如 一個(gè) 嚴(yán)厲的語文老師可能在批改數(shù)學(xué)試巻時(shí)也同樣嚴(yán)厲。因此反饋用戶的行為特 點(diǎn)往往也決定了他們在構(gòu)件復(fù)用之后的反饋行為?；谏鲜鏊枷?，研究者提 出了基于預(yù)估集的不公平反饋過濾方法，即在系統(tǒng)中設(shè)計(jì)一個(gè)典型實(shí)體集合 并稱為預(yù)估集，要求系統(tǒng)中的用戶在注冊的同時(shí)對預(yù)估集中的實(shí)體進(jìn)行反饋 評分，系統(tǒng)根據(jù)這些評分通過采用海明估計(jì)等計(jì)算方法計(jì)算出該用戶的修正 參數(shù)，這個(gè)修正參數(shù)在一定程度上表明了用戶反饋行為的一些特點(diǎn)。系統(tǒng)可 以利用該修正參數(shù)計(jì)算出用戶的標(biāo)準(zhǔn)化反饋評價(jià)，以此作為進(jìn)行構(gòu)件信譽(yù)評 估的基礎(chǔ)。現(xiàn)有技術(shù)二中，預(yù)估集的處理方法需建立在兩個(gè)前提基礎(chǔ)之上 一是用戶在注冊該系統(tǒng)時(shí)，必須對預(yù)估集中的實(shí)體進(jìn)行評估，以便系統(tǒng)能夠計(jì)算用戶反饋的修正參數(shù)；二是一個(gè)用戶的修正參數(shù)會一直存在于系統(tǒng)中，并基于 此修正參數(shù)對用戶此后的所有反饋評價(jià)進(jìn)行修正，因此用戶對上述預(yù)估集中 的實(shí)體進(jìn)行評估應(yīng)是非常認(rèn)真的。但隨著用戶本身構(gòu)件復(fù)用經(jīng)驗(yàn)增加，或用 戶對軟件構(gòu)件庫了解的增強(qiáng)，用戶反饋的準(zhǔn)確性會有所提高，用戶的反饋行 為和注冊時(shí)可能有很大的變化，此時(shí)若還采用注冊時(shí)用戶的修正參數(shù)對用戶 的反饋評價(jià)進(jìn)行修正，顯然是不正確的?，F(xiàn)有技術(shù)三、基于系統(tǒng)中具有低信譽(yù)的節(jié)點(diǎn)用戶更容易提交一個(gè)不符合 事實(shí)的反饋這一假設(shè)的基礎(chǔ)之上， 一些研究者和系統(tǒng)通過反饋用戶的信譽(yù)來 決定一個(gè)反饋的權(quán)重。譬如，有人提出一種加權(quán)多數(shù)算法(Weighted Majority Algorithm)來決定各個(gè)反饋用戶的權(quán)重，以此降低不符合事實(shí)的反饋評價(jià)在 信譽(yù)評估中的影響?，F(xiàn)有技術(shù)三中，加權(quán)多數(shù)算法通過權(quán)重值在一定程度上降低了不符合實(shí) 事反饋的影響，但"多數(shù)"的方法同時(shí)也影響了低反饋率狀態(tài)下系統(tǒng)進(jìn)行信 譽(yù)評估的準(zhǔn)確性。鑒于以上，現(xiàn)有技術(shù)中并沒有一個(gè)較好的保障用戶反饋可靠性的方法， 能夠比較全面的對各種不公平反饋進(jìn)行處理，因此尋找一種更好的提高用戶 反饋可靠性的方法是非常必要的。發(fā)明內(nèi)容本發(fā)明的目的是提供一種用戶反饋可靠性保障方法，可實(shí)現(xiàn)對各種不公 平反饋進(jìn)行處理，最大程度的減小不公平反饋的影響，提高用戶反饋的可靠 性。為實(shí)現(xiàn)上述目的，本發(fā)明提供了一種用戶反饋可靠性保障方法，包括 分析構(gòu)件庫系統(tǒng)的用戶反饋評價(jià)中的不公平反饋信息，建立所述構(gòu)件庫 系統(tǒng)的不公平反饋信息類別；根據(jù)所述不公平反饋信息類別，對所述不公平反饋信息進(jìn)行篩選或修正。 所述分析構(gòu)件庫系統(tǒng)的用戶反饋評價(jià)中的不公平反饋信息，建立所述構(gòu)件庫系統(tǒng)的不公平反饋信息類別包括通過分析所述構(gòu)件庫系統(tǒng)中的不公平反饋信息，將所述構(gòu)件庫系統(tǒng)中的 不公平反饋信息分類，包括第一反饋類別、第二反饋類別和第三反饋類別。 所述才艮據(jù)所述不公平反饋信息類別，對所述不公平反饋信息進(jìn)行篩選或修正包括根據(jù)第一反饋類別，對用戶的反饋評價(jià)進(jìn)行篩選。 所述根據(jù)第一反饋類別，對用戶的反饋評價(jià)進(jìn)行篩選包括 設(shè)定所述構(gòu)件庫系統(tǒng)中用戶的級別；根據(jù)所述用戶的級別，確定所述用戶是否可以發(fā)表反饋評價(jià)。 所述根據(jù)所述不公平反饋信息類別，對所述不公平反饋信息進(jìn)行篩選或 修正還包括根據(jù)所述第二反饋類別，對用戶的反饋評價(jià)進(jìn)行篩選和修正。 所述根據(jù)所述第二反饋類別，對用戶的反饋評價(jià)進(jìn)行篩選和修正具體包括將所述構(gòu)件庫系統(tǒng)中獲得反饋評價(jià)信息數(shù)量大于預(yù)定值的構(gòu)件組成第一 構(gòu)件集合；將對所述第 一構(gòu)件集合中的任一構(gòu)件提供反饋評價(jià)信息的所有用戶組成 第一用戶集合；獲得所述第 一用戶集合中的所有用戶的用戶反饋距離；將所述第一用戶集合中的所有用戶的反饋評價(jià)信息減去對應(yīng)用戶的用戶 反饋距離以對所述第一用戶集合中的所有用戶的反饋評價(jià)進(jìn)行修正，并將修 正后的反饋評價(jià)作為構(gòu)件信譽(yù)評估的依據(jù)。所述根據(jù)所述不公平反饋信息類別，對所述不公平反饋信息進(jìn)行篩選或 修正還包括根據(jù)第三反饋類別，對用戶的反饋評價(jià)進(jìn)行篩選和修正。所述根據(jù)第三反饋類別，對用戶的反饋評價(jià)進(jìn)行篩選和修正具體包括判斷查詢用戶是否登錄所述構(gòu)件庫系統(tǒng)，若所述查詢用戶登錄所述構(gòu)件 庫系統(tǒng)，將所述查詢用戶創(chuàng)建的信任關(guān)系中所有用戶的信任權(quán)重值作為對應(yīng) 用戶提供的反饋評價(jià)的計(jì)算權(quán)重，對所述信任關(guān)系中的所有用戶提供的反饋 評價(jià)信息進(jìn)行修正，并將修正后的反饋評價(jià)作為構(gòu)件信譽(yù)評估的依據(jù)。若所述查詢用戶沒有登錄所述構(gòu)件庫系統(tǒng)，將根據(jù)系統(tǒng)的信任關(guān)系網(wǎng)絡(luò) 獲得的所有用戶的影響因子作為對應(yīng)用戶提供的反饋評價(jià)的計(jì)算權(quán)重，對所 述系統(tǒng)的信任關(guān)系網(wǎng)絡(luò)中的所有用戶提供的反饋評價(jià)信息進(jìn)行修正，并將修 正后的反饋評價(jià)作為軟件構(gòu)件信譽(yù)評估的依據(jù)。本發(fā)明通過建立各種不公平反饋的類別，并進(jìn)行有針對性的反饋處理， 實(shí)現(xiàn)了對多種反饋類別的處理，保證了各種反饋評價(jià)的可靠性，降低了不公 平反饋的影響，使得軟件構(gòu)件的信譽(yù)評估更加可靠。下面通過附圖和實(shí)施例，對本發(fā)明的技術(shù)方案做進(jìn)一步的詳細(xì)描述。


圖1為本發(fā)明用戶反饋可靠性保障方法實(shí)施例的流程圖；圖2為本發(fā)明用戶反饋可靠性保障方法實(shí)施例中根據(jù)第一反饋類別對用 戶的反饋評價(jià)進(jìn)行篩選和修正的流程圖；圖3為本發(fā)明用戶反饋可靠性保障方法實(shí)施例中根據(jù)第二反饋類別對用 戶的反饋評價(jià)進(jìn)行篩選和修正的流程圖；圖4為本發(fā)明用戶反饋可靠性保障方法實(shí)施例中根據(jù)第三反饋類別對用 戶的反饋評價(jià)進(jìn)行篩選和修正的流程圖。
具體實(shí)施方式
本發(fā)明對影響用戶反饋可靠性的因素進(jìn)行了分析，在軟件構(gòu)件庫中，依據(jù)用戶的反饋是否真實(shí)的反映構(gòu)件的實(shí)際服務(wù)水平，可以將用戶反饋分為公 平反饋和不公平反饋。針對不公平反饋，發(fā)明人進(jìn)行了進(jìn)一步的分析，并提出不公平反饋主要體現(xiàn)在以下幾種類型，包括一、 吹捧(Ballot Stuffing)。系統(tǒng)中的用戶可能通過提交獲得多個(gè)相同的反饋評價(jià)，或者通過注冊不 同的虛假用戶對同一個(gè)實(shí)體進(jìn)行反饋評價(jià)的信息"填充"方式，使得實(shí)體可 獲得較高的反饋評價(jià)及信譽(yù)。在吹捧經(jīng)常發(fā)生的系統(tǒng)中，系統(tǒng)通常未對用戶 的反饋權(quán)限加以限制，使得任意用戶隨時(shí)都可以發(fā)表個(gè)人的反饋評價(jià)信息， 反饋評價(jià)信息很容易被發(fā)表，這是造成吹捧的主要因素。二、 偏見(Bias )。系統(tǒng)中， 一個(gè)具有豐富使用經(jīng)驗(yàn)的用戶可能比其他用戶能更為準(zhǔn)確地評 價(jià)一個(gè)客觀實(shí)體，但是， 一個(gè)具有樂觀或者和善的用戶可能會提供出較實(shí)體 實(shí)際水平普遍偏高的反饋評價(jià)；而一個(gè)悲觀或者嚴(yán)格的用戶可能會比一個(gè)樂 觀的用戶提供較實(shí)體實(shí)際水平普遍偏低的反饋評價(jià)，這些樂觀或悲觀用戶的 反饋評價(jià)信息可能帶有偏見，造成不公平反饋。這些不公平反饋是用戶無意 識的或由于用戶多樣性和用戶知識的差異性決定的，在這里統(tǒng)稱為偏見。三、 歧視(Discrimination)。系統(tǒng)中，有的用戶可能出于詆毀對方或提高自己竟?fàn)幜Φ脑?，對某?個(gè)實(shí)體有意提交了 一個(gè)不符合其實(shí)際行為的反饋評價(jià)。由于此時(shí)反饋用戶是 出于自身利益考慮而惡意的發(fā)布了帶有欺騙性的反饋評價(jià)，嚴(yán)重影響構(gòu)件信 譽(yù)評估的準(zhǔn)確性，這種現(xiàn)象也常常被稱為"歧視"或"信任欺詐"。如何消 除歧視或信任欺詐是保障用戶反饋可靠性的一個(gè)重要方面。四、 勾結(jié)(Collusion)。勾結(jié)是歧視的一種較為復(fù)雜的形式。它體現(xiàn)為反饋雙方之間相互勾結(jié)， 彼此給對方打高分的現(xiàn)象。在軟件構(gòu)件庫中，由于每一個(gè)用戶不僅可以是構(gòu) 件復(fù)用者，也可以成為構(gòu)件提供者，從而使得勾結(jié)這種作弊方式成為可能。如何避免或減小勾結(jié)這一類不公平反饋的影響，也是保障反饋可靠性的一個(gè) 重要方面。針對上述幾種類型的不公平反饋，需要設(shè)計(jì)科學(xué)的反饋提交方法，鼓勵(lì) 反饋用戶提交可靠的反饋評價(jià)信息，或設(shè)計(jì)科學(xué)的反饋處理方法，對不公平 反饋信息進(jìn)行篩選或修正，以保證用戶反饋的可靠性，提高實(shí)體信譽(yù)評估的 準(zhǔn)確性。在這里，篩選是指發(fā)現(xiàn)或剔除不公平反饋，修正則是指在基于原不 公平反饋的基礎(chǔ)上獲得較客觀公正的評價(jià)。鑒于以上，本發(fā)明提供了實(shí)施例并進(jìn)行了詳細(xì)的描述，以期對本發(fā)明有 更好的了解。如圖1所示，為本發(fā)明用戶反饋可靠性保障方法實(shí)施例的流程圖。本實(shí)施例包4舌步驟10、分析構(gòu)件庫系統(tǒng)的用戶反饋評價(jià)中的不公平反4赍信息，建立構(gòu) 件庫系統(tǒng)的不公平反饋信息類別；本實(shí)施例中，將不公平反饋信息分為三類，包括第一反饋類別、第二反 饋類別和第三反饋類別。其中，第一反饋類別主要包括吹捧不公平反饋信息， 第二反饋類別包括偏見的不公平反饋信息，第三反饋類別包括歧視和勾結(jié)的 不公平反饋信息。通過對構(gòu)件庫系統(tǒng)中的不公平反饋信息進(jìn)行分析比較，將不公平反饋信 息進(jìn)行分類并建立不公平反饋信息類別?；诓还椒答佇畔⒌念悇e對不公 平反饋信息進(jìn)行有針對性的處理，可有效提高反饋評價(jià)的可靠性和反饋處理 的效率。步驟20、根據(jù)不公平反饋信息類別，對不公平反饋信息進(jìn)行篩選或修正。 可通過對不公平反饋類別進(jìn)行有針對性的處理，對不公平反饋進(jìn)行篩選或修正，以獲得比較符合軟件構(gòu)件實(shí)際水平的反饋信息，提高反饋評價(jià)的可靠性。本實(shí)施例中，通過建立各種不公平反饋的類別，并進(jìn)行有針對性的反饋處理，實(shí)現(xiàn)了對多種反饋類別的處理，保證了各種反饋評價(jià)的可靠性，降低 了不公平反饋的影響，使得軟件構(gòu)件的信譽(yù)評估更加可靠。如圖2所示，為本發(fā)明用戶反饋可靠性保障方法實(shí)施例中根據(jù)第一反饋 類別對用戶的反饋評價(jià)進(jìn)行篩選和修正的流程圖。在上述實(shí)施例的基礎(chǔ)上，步驟20可以包括根據(jù)第一反饋類別，對用戶的反饋評價(jià)進(jìn)行篩選。 根據(jù)第一反饋類別，對用戶的反饋評價(jià)進(jìn)行篩選可包括以下步驟 步驟211、設(shè)定構(gòu)件庫系統(tǒng)中用戶的級別；本實(shí)施例中，將用戶級別分為高級用戶、注冊用戶和普通用戶三種類型， 不同類型的用戶級別代表了用戶在系統(tǒng)中的反饋評價(jià)的權(quán)限。高級用戶享有 最多的反饋權(quán)限，可以任意發(fā)表反饋評價(jià)；注冊用戶享有一定的反饋權(quán)限， 只有在該注冊用戶登陸并下載使用軟件構(gòu)件后，才可以對該軟件構(gòu)件進(jìn)行反 饋評價(jià)；普通用戶沒有反饋權(quán)限，不能發(fā)表反饋評價(jià)，普通用戶可以是匿名 訪問構(gòu)件庫系統(tǒng)的訪問者。步驟212、根據(jù)用戶的級別，確定用戶是否可以發(fā)表反饋評價(jià)。通過設(shè)定用戶級別，對用戶的反饋權(quán)限進(jìn)行了限制，限制惡意用戶的反 饋評價(jià)，避免了吹捧不公平反饋的反饋評價(jià)，保證了反饋評價(jià)的可靠性。本實(shí)施例中，通過設(shè)定用戶級別并對不同用戶級別的發(fā)表反饋評價(jià)的權(quán) 限加以限制，有效地減少了構(gòu)件庫系統(tǒng)中的吹捧現(xiàn)象，降低了吹捧不公平反 饋發(fā)生的幾率，有效保障了用戶反饋的可靠性。如圖3所示，為本發(fā)明用戶反饋可靠性保障方法實(shí)施例中根據(jù)第二反饋 類別對用戶的反饋評價(jià)進(jìn)行篩選和修正的流程圖?；趯Σ还椒答佒械钠?見類型的分析，發(fā)明人提出了用戶反饋距離的概念，即用戶針對構(gòu)件提交的 反饋評價(jià)距該構(gòu)件信譽(yù)的期望值的距離，是用戶偏見的客觀反映。由于構(gòu)件 服務(wù)領(lǐng)域及服務(wù)水平的不同，有些構(gòu)件可能獲得較多用戶的反饋信息，而有 些構(gòu)件則獲得的較少用戶的反饋信息，當(dāng)構(gòu)件獲得的用戶反饋評價(jià)信息數(shù)量 達(dá)到一定規(guī)模后，該構(gòu)件的綜合信譽(yù)評估將非常接近構(gòu)件本身的實(shí)際服務(wù)水平，該綜合信譽(yù)評估可作為該構(gòu)件的信譽(yù)評估期望值。因此，本實(shí)施例通過 獲取用戶反饋距離對用戶提交的反饋評價(jià)進(jìn)行修正，可保證用戶反饋評價(jià)的可靠性。在上述實(shí)施例的基礎(chǔ)上，步驟20還可以包括根據(jù)第二反饋類別， 對用戶的反饋評價(jià)進(jìn)行篩選和修正。具體地，根據(jù)第二反饋類別，對用戶的反饋評價(jià)進(jìn)行篩選和修正包括如 下步驟步驟221、將構(gòu)件庫系統(tǒng)中獲得反饋評價(jià)信息數(shù)量大于預(yù)定值的構(gòu)件組成 第一構(gòu)件集合；構(gòu)件獲得反饋評價(jià)信息的數(shù)量越多，表明基于構(gòu)件的反饋評價(jià)信息獲得 的構(gòu)件的信譽(yù)值也就越準(zhǔn)確。實(shí)際應(yīng)用中，根據(jù)需要可設(shè)定構(gòu)件的反饋評價(jià) 數(shù)量下界為M，若構(gòu)件獲取大于M個(gè)反饋評價(jià)可認(rèn)為該構(gòu)件的信譽(yù)值是比較符 合其實(shí)際服務(wù)水平的，則該信譽(yù)值可作為構(gòu)件的信譽(yù)評估期望值。M越大，則 認(rèn)為綜合評估后獲得的構(gòu)件信譽(yù)值也就越準(zhǔn)確，也就更符合構(gòu)件的實(shí)際水平。在實(shí)際應(yīng)用中，根據(jù)需要，可以將M設(shè)定在一個(gè)較合適的數(shù)值，并將獲 得反饋評價(jià)信息數(shù)量大于M的構(gòu)件作為第一構(gòu)件集合中的組元。根據(jù)自身獲 得的反饋信息，任何組元的構(gòu)件都可以獲得構(gòu)件的信譽(yù)評估期望值。步驟222、將對第一構(gòu)件集合中的任一構(gòu)件提供反饋評價(jià)信息的所有用戶 組成第一用戶集合；步驟223、獲得第 一用戶集合中的所有用戶的用戶反饋距離；步驟224、將第一用戶集合中的所有用戶的反饋評價(jià)信息減去對應(yīng)用戶的 用戶反饋距離以對第一用戶集合中的所有用戶的反饋評價(jià)進(jìn)行修正，并將修 正后的反饋評價(jià)作為構(gòu)件信譽(yù)評估的依據(jù)。具體地，若用戶反饋距離為負(fù)值，則該用戶為"悲觀"用戶，若用戶反 饋距離為正值，則該用戶為"樂觀"用戶。不管是悲觀用戶或樂觀用戶，其 反饋評價(jià)都存在偏見。在實(shí)際應(yīng)用中，可以對該用戶的這種不公平反饋評價(jià) 進(jìn)行修正，在原反饋評價(jià)的基礎(chǔ)上減去用戶反饋距離，以得到較符合能反映構(gòu)件實(shí)際水平的反饋評價(jià)，并將此修正后的反饋評價(jià)作為該構(gòu)件信譽(yù)評估的 依據(jù)。
由于修正后的反饋評價(jià)更加符合構(gòu)件實(shí)際水平，基于該修正后的反饋評 價(jià)進(jìn)行構(gòu)件的信譽(yù)評估獲得的構(gòu)件的信譽(yù)值也就更加準(zhǔn)確、可靠。
本實(shí)施例中，針對第一用戶集合中的一個(gè)用戶，獲得該用戶的用戶反饋
距離包括
將該用戶反饋的所有構(gòu)件組成第二構(gòu)件集合；
獲得第一構(gòu)件集合和第二構(gòu)件集合的交集，將交集中一個(gè)構(gòu)件獲得的所 有反饋評價(jià)的平均值作為該構(gòu)件的信譽(yù)評估期望值；
獲得該用戶對交集中該構(gòu)件的反饋評價(jià)信息與該構(gòu)件的信譽(yù)評估期望值 的差值，將該差值作為該用戶對該構(gòu)件的反饋距離；
獲得該用戶對所述交集中所有構(gòu)件的反饋距離的平均值，將該平均值作
為該用戶的用戶反^t距離。
由于當(dāng)構(gòu)件獲得的反饋數(shù)量大于一定數(shù)量后，構(gòu)件的信譽(yù)評估值接近反
映了構(gòu)件的實(shí)際服務(wù)水平，即構(gòu)件的信譽(yù)評估期望值，而用戶對構(gòu)件的反饋 評價(jià)與構(gòu)件的信譽(yù)評估期望值的差值代表了用戶對該構(gòu)件的偏見程度，即用
戶對該構(gòu)件的偏見。同時(shí)，用戶對多個(gè)構(gòu)件的反饋距離的求和平均值是對用 戶對不同構(gòu)件的偏見的綜合統(tǒng)計(jì)，該平均值比較客觀的反映了用戶自身可能 存在的一種習(xí)慣性偏見，因此，可將此平均值作為用戶反饋距離。 本實(shí)施例還可包括
步驟225、將構(gòu)件庫系統(tǒng)中對構(gòu)件提供反饋評價(jià)信息的所有用戶減去第一
用戶集合中用戶的所有用戶組成第二用戶集合；
步驟226、獲得第二用戶集合中的所有用戶的用戶反饋距離；
步驟227、將第二用戶集合中的所有用戶的反饋評價(jià)信息減去對應(yīng)用戶的
用戶反饋距離以對第二用戶集合中的所有用戶的反饋評價(jià)進(jìn)行修正，并將修
正后的反饋評價(jià)作為構(gòu)件信譽(yù)評估的依據(jù)。
15其中，針對第二用戶集合中的一個(gè)用戶，獲得該用戶的用戶反饋距離包
括
將該用戶提供反饋評價(jià)信息的所有構(gòu)件組成第三構(gòu)件集合； 將第一用戶集合中的一個(gè)用戶A提供反饋評價(jià)信息的所有構(gòu)件組成第四 構(gòu)件集合；
獲得第三構(gòu)件集合和第四構(gòu)件集合的交集，并獲得該用戶與用戶A分別
對交集中的一個(gè)構(gòu)件提供的反饋評價(jià)的差值，將該差值作為該用戶相對于用 戶A對該構(gòu)件的反饋距離的偏移；
獲得該用戶相對用戶A對交集中所有構(gòu)件的反饋距離的偏移的平均值， 將該平均值加上用戶A的用戶反饋距離作為該用戶的用戶反饋距離。
基于已經(jīng)獲得用戶反饋距離的用戶A,找出其它用戶的評價(jià)與用戶A對同 一構(gòu)件評價(jià)的差值，進(jìn)一步地獲得構(gòu)件庫系統(tǒng)中其它用戶的用戶反饋距離， 并對其反饋評價(jià)進(jìn)行修正，保證了反饋評價(jià)的可靠性。用戶反饋距離表示該用戶的"偏見程度"，用戶反饋距離數(shù)值的絕對值 越大，表明該用戶的偏見程度越大，其發(fā)表的反饋評價(jià)也就存在較大的偏見。
具體地，用戶反饋距離計(jì)算可通過以下程序來實(shí)現(xiàn)
輸入構(gòu)件反饋用戶數(shù)目下界M1 〃Ml為正整數(shù)
輸出每個(gè)用戶反饋距離
Step 1:集合VI —①；//獲得反饋評價(jià)信息數(shù)量大于預(yù)定值Ml的構(gòu)件 組成的第一構(gòu)件集合VI初始化為空
隊(duì)列UpdateUsers —①;//已計(jì)算用戶距離的用戶隊(duì)列UpdateUsers初 始化為空
Step 2: While (| l構(gòu)件j的反饋數(shù)目I I >-Ml) VI—VI U {構(gòu)件j獲得 的所有反饋}; //構(gòu)造第一構(gòu)件集合VI
If IsEmpty(Vl ) then Return; 〃如果V1為空，程序結(jié)束 Step 3:對一個(gè)用戶i 〃計(jì)算用戶i的用戶反饋距離If (用戶i對構(gòu)件j的反饋FijGVl) then 〃所述第一構(gòu)件集合和所述 第二構(gòu)件集合的交集不為空
Begin 〃開始
Ei—用戶i提供的所有反饋FAi與VI的交集； 〃獲得所述第一構(gòu)件 集合和所述第二構(gòu)件集合的交集
Rl— Ei中所有構(gòu)件的信譽(yù)評估結(jié)果；
用戶i反饋距離Offset (i) =AvgH (Ei， Rl); 〃根據(jù)用戶對交集中 所有構(gòu)件的用戶反饋距離的平均值計(jì)算該用戶的用戶反饋距離 Mark(i， -1); //標(biāo)記該用戶i已經(jīng)獲得用戶反饋距離值 UpdateUsers —enQueue (i， Offset (i)); 〃將標(biāo)記后的用戶i》文 入已計(jì)算用戶距離的用戶隊(duì)列UpdateUsers End 〃結(jié)束
St印4: Set Um—{目前還沒有被標(biāo)記的用戶)；
St印5: If IsEmpty(Um ) then Return; 〃如果所有的用戶都已經(jīng)計(jì)
算出用戶反饋距離，則算法結(jié)束
St印6: Ek —pop(Um); //取出一個(gè)未標(biāo)記的用戶 For every U, Off set (i)} eUpdateUsers 〃對已經(jīng)標(biāo)記的用戶集合 If (Fkl) and (Fil) then 〃如果一個(gè)待標(biāo)記的用戶和一個(gè)已經(jīng)標(biāo)記
的用戶對同 一個(gè)構(gòu)件提供了反饋評價(jià) Begin 〃開始
OffsetEk - Offset (i)+AvgH (FAk, FAi); 〃根據(jù)已經(jīng)標(biāo)記用戶 的用戶反饋距離計(jì)算出待標(biāo)記用戶k的用戶反饋距離
Mark(k, -1);〃標(biāo)記該用戶k已經(jīng)獲得用戶反饋距離值 UpdateUsers —enQueue (k， Off set (k)); 〃將標(biāo)記后的用戶k i文 入已計(jì)算用戶距離的用戶隊(duì)列UpdateUsers Goto step 5; 〃轉(zhuǎn)到步驟5End 〃結(jié)束
本實(shí)施例中，通過對構(gòu)件庫中構(gòu)件的反饋評價(jià)進(jìn)行分析并獲的了各用戶 的用戶反饋距離，以此用戶反饋距離對該用戶的反饋評價(jià)進(jìn)行修正，使得在 信譽(yù)評估過程中用戶的反饋評價(jià)更加準(zhǔn)確可靠，很大程度上減小了因用戶固 有偏見造成的不公平反饋的影響，提高了構(gòu)件信譽(yù)評估的可靠性和準(zhǔn)確性。
如圖4所示，為本發(fā)明用戶反饋可靠性保障方法實(shí)施例中根據(jù)第三反饋 類別對用戶的反饋評價(jià)進(jìn)行篩選和修正的流程圖。由于歧視和勾結(jié)行為存在 偶發(fā)性，且這種偶發(fā)性與構(gòu)件復(fù)用場景的特殊性參雜在一起，使得對這類不 公平反饋的處理越發(fā)復(fù)雜?；诓还椒答佒械钠缫暫凸唇Y(jié)現(xiàn)象，發(fā)明人提 出了基于信任關(guān)系的篩選方法，即通過確定用戶在系統(tǒng)中被信任的程度，以 提高系統(tǒng)中信任程度高的用戶的權(quán)重，降低系統(tǒng)中信任程度低，即具有感性 或具有欺騙性的反饋用戶的權(quán)重。根據(jù)系統(tǒng)的信任關(guān)系網(wǎng)絡(luò)或查詢用戶的信 任關(guān)系，對用戶的反饋評價(jià)進(jìn)行修正，并將修正后的反饋評價(jià)作為構(gòu)件信譽(yù) 評估的依據(jù)。在上述實(shí)施例的基礎(chǔ)上，步驟20還可以包括根據(jù)第三反饋類 別，對用戶的反饋評價(jià)進(jìn)行篩選和修正。
具體地，根據(jù)第三反饋類別，對用戶的反饋評價(jià)進(jìn)行篩選和修正具體包 括如下步驟
步驟231、判斷查詢用戶是否登錄構(gòu)件庫系統(tǒng)，若查詢用戶登錄構(gòu)件庫系 統(tǒng)，執(zhí)行步驟232，否則，執(zhí)行步驟234;
步驟232、查詢用戶登陸構(gòu)件系統(tǒng)后，對該查詢用戶創(chuàng)建的信任關(guān)系中所 有用戶的信任權(quán)重值進(jìn)行更新；
用戶的信任關(guān)系由該查詢用戶注冊或注冊后建立，該查詢用戶可以對其 信任關(guān)系中的用戶進(jìn)行信任權(quán)重設(shè)定，建成該查詢用戶與信任用戶之間的信 任關(guān)系。本實(shí)施例中，查詢用戶的信任關(guān)系中可以包括信任用戶和不信任用 戶，對應(yīng)的，對用戶的信任權(quán)重設(shè)定為區(qū)間
的任一數(shù)值，權(quán)重O代表不 信任，權(quán)重大于0小于等于1代表信任的不同程度，權(quán)重l表示完全信任。查詢用戶登錄系統(tǒng)后，可對其建立的信任關(guān)系進(jìn)行維護(hù)，即可對信任關(guān) 系中的用戶信任權(quán)重進(jìn)行重新設(shè)定。譬如，經(jīng)過查詢用戶的多方了解，查詢 用戶可能認(rèn)為之前權(quán)重為0的用戶現(xiàn)在是值得信任的。因此，查詢用戶可將
該用戶的信任權(quán)重從G重新設(shè)定為0. 7，則該用戶變?yōu)檩^為值得信任的反饋用 戶。
步驟233、將查詢用戶創(chuàng)建的信任關(guān)系中所有用戶的信任權(quán)重值作為對應(yīng) 用戶提供的反饋評價(jià)的計(jì)算權(quán)重，對信任關(guān)系中的所有用戶提供的反饋評價(jià) 信息進(jìn)行修正，并將修正后的反饋評價(jià)作為構(gòu)件信譽(yù)評估的依據(jù)。
由步驟232可知，信任關(guān)系中權(quán)重大于0小于等于1的用戶是該查詢用 戶較為信賴的用戶。因此，可將信任關(guān)系中信任權(quán)重為正的用戶的反饋信息 作為針對查詢用戶的軟件構(gòu)件信譽(yù)評估的依據(jù)，而將查詢用戶的信任關(guān)系中 權(quán)重為G的用戶提供的反饋信息丟掉不用。具體地，將查詢用戶的信任關(guān)系 中各用戶的權(quán)重值作為所述用戶提供的反饋評價(jià)的計(jì)算權(quán)重，對所有用戶提 供的反饋評價(jià)信息進(jìn)行修正，作為構(gòu)件信譽(yù)評估的依據(jù)。
步驟234、根據(jù)構(gòu)件庫系統(tǒng)中所有用戶創(chuàng)建的信任關(guān)系，形成系統(tǒng)的信任 關(guān)系網(wǎng)絡(luò)；
可以將構(gòu)件庫系統(tǒng)中所有用戶創(chuàng)建的信任關(guān)系，通過統(tǒng)計(jì)計(jì)算獲得系統(tǒng) 的用戶關(guān)系網(wǎng)絡(luò)。通過分析系統(tǒng)的用戶關(guān)系網(wǎng)絡(luò)，可以反映用戶在系統(tǒng)中被 信任的程度。
步驟235、 4艮據(jù)系統(tǒng)的信任關(guān)系網(wǎng)絡(luò)，通過聚類分析算法，獲得不同用戶 的影響因子；
通過對系統(tǒng)的信任關(guān)系網(wǎng)絡(luò)進(jìn)行聚類分析算法，可以獲得不同用戶的影 響因子，由于系統(tǒng)的信任關(guān)系網(wǎng)絡(luò)中的用戶是在系統(tǒng)中其它用戶對其信任的 基礎(chǔ)上獲得，該影響因子可從整體上反映該用戶的可靠性，即該用戶在系統(tǒng) 中被信任的程度。
步驟236、在信譽(yù)評估過程中，將影響因子作為對應(yīng)用戶提供的反饋評價(jià)的計(jì)算權(quán)重，對系統(tǒng)的信任關(guān)系網(wǎng)絡(luò)中的所有用戶提供的反饋評價(jià)進(jìn)行修正， 并將修正后的反饋評價(jià)作為軟件構(gòu)件信譽(yù)評估的依據(jù)。
由于用戶的影響因子代表著該用戶被系統(tǒng)中的其它用戶的信任程度，直 接反映著用戶可靠性，因此可將其作為該用戶的反饋評價(jià)的權(quán)重的參考，從 而在一定程度上降低或避免系統(tǒng)中具有欺騙性的用戶的反饋權(quán)重，提高了系 統(tǒng)中可靠用戶的權(quán)重。
本實(shí)施例中，通過查詢用戶的信任關(guān)系或系統(tǒng)的信任關(guān)系網(wǎng)絡(luò)，分析獲 得不同反饋用戶的影響因子，以此為權(quán)重對用戶的反饋評價(jià)進(jìn)行修正，保證 了用戶反饋評價(jià)的可靠性，提高了構(gòu)件信譽(yù)評估的準(zhǔn)確性。
最后應(yīng)說明的是以上實(shí)施例僅用以說明本發(fā)明的技術(shù)方案而非對其進(jìn)
行限制，盡管參照較佳實(shí)施例對本發(fā)明進(jìn)行了詳細(xì)的說明，本領(lǐng)域的普通技
術(shù)人員應(yīng)當(dāng)理解其依然可以對本發(fā)明的技術(shù)方案進(jìn)行修改或者等同替換， 而這些修改或者等同替換亦不能使修改后的技術(shù)方案脫離本發(fā)明技術(shù)方案的 精神和范圍。
權(quán)利要求
1、一種用戶反饋可靠性保障方法，其特征在于包括分析構(gòu)件庫系統(tǒng)的用戶反饋評價(jià)中的不公平反饋信息，建立所述構(gòu)件庫系統(tǒng)的不公平反饋信息類別；根據(jù)所述不公平反饋信息類別，對所述不公平反饋信息進(jìn)行篩選或修正。
2、 根據(jù)權(quán)利要求1所述的用戶反饋可靠性保障方法，其特征在于，所述 分析構(gòu)件庫系統(tǒng)的用戶反饋評價(jià)中的不公平反饋信息，建立所述構(gòu)件庫系統(tǒng) 的不公平反饋信息類別包括通過分析所述構(gòu)件庫系統(tǒng)中的不公平反饋信息，將所述構(gòu)件庫系統(tǒng)中的 不公平反饋信息分類，包括第一反饋類別、第二反饋類別和第三反饋類別。
3、 根據(jù)權(quán)利要求2所述的用戶反饋可靠性保障方法，其特征在于，所述 根據(jù)所述不公平反饋信息類別，對所述不公平反饋信息進(jìn)行篩選或修正包括根據(jù)所述第一反饋類別，對用戶的反饋評價(jià)進(jìn)行篩選。
4、 根據(jù)權(quán)利要求3所述的用戶反饋可靠性保障方法，其特征在于，所述 根據(jù)所述第一反饋類別，對用戶的反饋評價(jià)進(jìn)行篩選包括設(shè)定所述構(gòu)件庫系統(tǒng)中用戶的級別；根據(jù)所述用戶的級別，確定所述用戶是否可以發(fā)表反饋評價(jià)。
5、 根據(jù)權(quán)利要求4所述的用戶反饋可靠性保障方法，其特征在于，所述 設(shè)定所述構(gòu)件庫系統(tǒng)中用戶的級別包括設(shè)定包括高級用戶、注冊用戶及普 通用戶的用戶級別。
6、 根據(jù)權(quán)利要求5所述的用戶反饋可靠性保障方法，其特征在于，所述 根據(jù)所述用戶的級別，確定所述用戶是否可以發(fā)表反饋評價(jià)具體包括若所述用戶為所述普通用戶，則所述用戶不能發(fā)表反饋評價(jià)；若所述用 戶為所述注冊用戶，則所述用戶只有在下載并使用軟件構(gòu)件后才能發(fā)表反饋 評價(jià)；若所述用戶為所述高級用戶，則所述用戶可任意發(fā)表反饋評價(jià)。
7、 根據(jù)權(quán)利要求3所述的用戶反饋可靠性保障方法，其特征在于，所述根據(jù)所述不公平反饋信息類別，對所述不公平反饋信息進(jìn)行篩選或修正還包括根據(jù)所述第二反饋類別，對用戶的反饋評價(jià)進(jìn)行篩選和修正。
8、 根據(jù)權(quán)利要求7所述的用戶反饋可靠性保障方法，其特征在于，所述 根據(jù)所述第二反饋類別，對用戶的反饋評價(jià)進(jìn)行篩選和修正具體包括將所述構(gòu)件庫系統(tǒng)中獲得反饋評價(jià)信息數(shù)量大于預(yù)定值的構(gòu)件組成第一 構(gòu)件集合；將對所述第一構(gòu)件集合中的任一構(gòu)件提供反饋評價(jià)信息的所有用戶組成第一用戶集合；獲得所述第 一用戶集合中的所有用戶的用戶反饋距離；將所述第一用戶集合中的所有用戶的反饋評價(jià)信息減去對應(yīng)用戶的用戶反饋距離對所述第 一用戶集合中的所有用戶的反饋評價(jià)進(jìn)行修正，并將修正后的反饋評價(jià)作為構(gòu)件信譽(yù)評估的依據(jù)。
9、 根據(jù)權(quán)利要求8所述的用戶反饋可靠性保障方法，其特征在于，所述 根據(jù)所述第二反饋類別，對用戶的反饋評價(jià)進(jìn)行篩選和修正還包括將構(gòu)件庫系統(tǒng)中對構(gòu)件提供反饋評價(jià)信息的所有用戶減去所述第一用戶集合用戶的所有用戶組成第二用戶集合；獲得所述第二用戶集合中的所有用戶的用戶反饋距離；將所述第二用戶集合中的所有用戶的反饋評價(jià)信息減去對應(yīng)用戶的用戶反饋距離對所述第二用戶集合中的所有用戶的反饋評價(jià)進(jìn)行修正，并將修正后的反饋評價(jià)作為構(gòu)件信譽(yù)評估的依據(jù)。
10、 根據(jù)權(quán)利要求8所述的用戶反饋可靠性保障方法，其特征在于，針 對所述第一用戶集合中的一個(gè)用戶，獲得所述用戶的用戶反饋距離包括將所述用戶反饋的所有構(gòu)件組成第二構(gòu)件集合；獲得所述第一構(gòu)件集合和第二構(gòu)件集合的交集，并將所述交集中一個(gè)構(gòu) 件獲得的所有反饋評價(jià)的平均值作為所述構(gòu)件的信譽(yù)評估期望值；獲得所述用戶對所述交集中所述構(gòu)件的反饋評價(jià)信息與所述構(gòu)件的信譽(yù)評估期望值的差值，將所述差值作為所述用戶對所述構(gòu)件的反饋距離；獲得所述用戶對所述交集中所有構(gòu)件的反饋距離的平均值，將所述平均 值作為所述用戶的用戶反饋距離。
11、 根據(jù)權(quán)利要求9所述的用戶反饋可靠性保障方法，其特征在于，針 對所述第二用戶集合中的一個(gè)用戶，獲得所述用戶的用戶反饋距離包括將所述用戶提供反饋評價(jià)信息的所有構(gòu)件組成第三構(gòu)件集合； 將所述第一用戶集合中的一個(gè)用戶A提供反饋評價(jià)信息的所有構(gòu)件組成 第四構(gòu)件集合；獲得所述第三構(gòu)件集合和所述第四構(gòu)件集合的交集，并獲得所述用戶與 所述用戶A分別對所述交集中的一個(gè)構(gòu)件提供的反饋評價(jià)的差值，將所述差 值作為所述用戶相對于所述用戶A對所述構(gòu)件的反^t貴距離的偏移；獲得所述用戶相對所述用戶A對所述交集中所有構(gòu)件的反饋距離的偏移 的平均值，將所述平均值加上所述用戶A的用戶反饋距離作為所述用戶的用 戶反々赍距離。
12、 根據(jù)權(quán)利要求3或7任一所述的用戶反饋可靠性保障方法，其特征 在于，所述根據(jù)所述不公平反饋信息類別，對所述不公平反饋信息進(jìn)行篩選 或^^正還包括根據(jù)所述第三反饋類別，對用戶的反饋評價(jià)進(jìn)行篩選和修正。
13、 根據(jù)權(quán)利要求12所述的用戶反饋可靠性保障方法，其特征在于，所 述根據(jù)所述第三反饋類別，對用戶的反饋評價(jià)進(jìn)行篩選和修正具體包括判斷查詢用戶是否登錄所述構(gòu)件庫系統(tǒng)，若所述查詢用戶登錄所述構(gòu)件 庫系統(tǒng)，將所述查詢用戶創(chuàng)建的信任關(guān)系中所有用戶的信任權(quán)重值作為對應(yīng) 用戶提供的反饋評價(jià)的計(jì)算權(quán)重，對所述信任關(guān)系中的所有用戶提供的反饋 評價(jià)信息進(jìn)行修正，并將修正后的反饋評價(jià)作為構(gòu)件信譽(yù)評估的依據(jù)。
14、 根據(jù)權(quán)利要求13所述的用戶反饋可靠性保障方法，其特征在于還包括所述查詢用戶登錄所述構(gòu)件庫系統(tǒng)后，對所述查詢用戶創(chuàng)建的信任關(guān)系 中的所有用戶的信任權(quán)重值進(jìn)行更新。
15、 根據(jù)權(quán)利要求13所述的用戶反饋可靠性保障方法，其特征在于還包括若所述查詢用戶沒有登錄所述構(gòu)件庫系統(tǒng)，將根據(jù)系統(tǒng)的信任關(guān)系網(wǎng)絡(luò) 獲得的所有用戶的影響因子作為對應(yīng)用戶提供的反饋評價(jià)的計(jì)算權(quán)重，對所 述系統(tǒng)的信任關(guān)系網(wǎng)絡(luò)中的所有用戶提供的反饋評價(jià)信息進(jìn)行修正，并將修 正后的反饋評價(jià)作為軟件構(gòu)件信譽(yù)評估的依據(jù)。
16、 根據(jù)權(quán)利要求15所述的用戶反饋可靠性保障方法，其特征在于，所 述將根據(jù)系統(tǒng)的信任關(guān)系網(wǎng)絡(luò)獲得的所有用戶的影響因子作為對應(yīng)用戶提供 的反饋評價(jià)的計(jì)算權(quán)重包括根據(jù)所述構(gòu)件庫系統(tǒng)中所有用戶創(chuàng)建的信任關(guān)系，形成所述系統(tǒng)的信任 關(guān)系網(wǎng)絡(luò)；根據(jù)所述系統(tǒng)的信任關(guān)系網(wǎng)絡(luò)，通過聚類分析算法，獲得所述系統(tǒng)的信 任關(guān)系網(wǎng)絡(luò)中不同用戶的影響因子；在信譽(yù)評估過程中，將所述影響因子作為對應(yīng)用戶提供的反饋評價(jià)的計(jì) 算權(quán)重。
全文摘要
本發(fā)明公開了一種用戶反饋可靠性保障方法，包括分析構(gòu)件庫系統(tǒng)的用戶反饋評價(jià)中的不公平反饋信息，建立所述構(gòu)件庫系統(tǒng)的不公平反饋信息類別；根據(jù)所述不公平反饋信息類別，對所述不公平反饋信息進(jìn)行篩選或修正。本發(fā)明通過對構(gòu)件庫系統(tǒng)中構(gòu)件的用戶反饋評價(jià)信息進(jìn)行分析，獲得構(gòu)件庫系統(tǒng)中用戶反饋的不公平反饋信息類別，并對不同類別的不公平反饋信息采取有針對性的處理，保證了用戶反饋的可靠性，提高了不公平反饋處理的全面性，極大地避免了不公平反饋的影響，提高了構(gòu)件信譽(yù)評估的可靠性。
文檔編號G06F9/44GK101308457SQ20081011531
公開日2008年11月19日 申請日期2008年6月20日 優(yōu)先權(quán)日2008年6月20日
發(fā)明者張順延, 宏 梅, 蔡斯博, 冰 謝, 鄒艷珍 申請人:北京大學(xué)