Resumen

El continuo y rápido desarrollo de los sitios de comercio electrónico y de interés hace que sea más urgente evaluar la calidad precisa de los objetos antes de recomendarlos. La calidad de los objetos suele calcularse en base a su información histórica, como registros seleccionados o puntuaciones de calificación. Por lo general, los productos de alta calidad obtienen calificaciones promedio más altas que los productos de baja calidad, independientemente de los sesgos o errores en las calificaciones. Sin embargo, muchos casos empíricos demuestran que los consumidores pueden ser engañados por las puntuaciones de calificación agregadas por usuarios poco confiables o manipulaciones deliberadas. En este caso, la reputación de los usuarios, es decir, la capacidad de calificar de manera confiable y precisa, marca una gran diferencia durante el proceso de evaluación. Por lo tanto, uno de los principales desafíos en el diseño de sistemas de reputación es eliminar los efectos del sesgo en las calificaciones de los usuarios. Para dar una evaluación objetiva de la reputación de cada usuario y descubrir la calidad intrínseca de los objetos, proponemos un método

• Materias:Big Data Restricciones distribuidas Algoritmo de inferencia Gestión administrativa
• Subjects:Big Data Distributed constraints Inference algorithm Administrative management
• Palabras claves:Desarrollo; Evaluación de calidad; Puntuaciones de calificación; Reputación de los usuarios; Sesgo de calificación; Método de equilibrio iterativo
• Keywords:Development; Quality evaluation; Rating scores; Users reputation; Rating bias; Iterative balance method