• 
    

    
    

      99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

      C2C電子商務(wù)平臺(tái)下的用戶投票激勵(lì)算法*

      2010-06-11 06:30:26楊波威宋廣華
      電信科學(xué) 2010年10期
      關(guān)鍵詞:信譽(yù)賣(mài)家買(mǎi)家

      楊波威 ,宋廣華 ,鄭 耀

      (1.浙江大學(xué)工程與科學(xué)計(jì)算中心 杭州310027;2.浙江大學(xué)計(jì)算機(jī)學(xué)院 杭州310027;3.浙江大學(xué)航空航天學(xué)院 杭州310027)

      1 引言

      C2C電子商務(wù)平臺(tái)下沒(méi)有特定的資源提供主體或資源消費(fèi)主體,任何用戶均可既擔(dān)任資源提供者,亦擔(dān)任資源消費(fèi)者,具有完全的自主性和平等的地位,使得C2C電子商務(wù)平臺(tái)具有靈活、自組織、可擴(kuò)展性強(qiáng)以及對(duì)用戶有很強(qiáng)的吸引性等特點(diǎn),越來(lái)越受到學(xué)術(shù)界和工業(yè)界的關(guān)注。

      隨著國(guó)內(nèi)最大的C2C電子商務(wù)平臺(tái)淘寶網(wǎng)的大力發(fā)展,2009年上半年淘寶網(wǎng)完成營(yíng)業(yè)額809億元人民幣,注冊(cè)會(huì)員1.45億人,占中國(guó)網(wǎng)民總數(shù)的43%,同時(shí)網(wǎng)購(gòu)用戶數(shù)量同比年增長(zhǎng)101%,已經(jīng)遠(yuǎn)遠(yuǎn)超出了零售巨頭沃爾瑪在華銷(xiāo)售額。伴隨著淘寶網(wǎng)成立之初所引入的簡(jiǎn)單的“好評(píng)、中評(píng)、差評(píng)”評(píng)價(jià)體系亦無(wú)法承受如此龐大而快速的用戶數(shù)量增長(zhǎng),信譽(yù)評(píng)價(jià)體系的參考價(jià)值由于空投票、刷信譽(yù)、店家的線下威脅用戶等原因而逐漸失去其應(yīng)有的意義。因此,淘寶網(wǎng)在保持了原有的最簡(jiǎn)單的“好評(píng)、中評(píng)、差評(píng)”評(píng)價(jià)體系的同時(shí),亦發(fā)展了“寶貝與描述相符”、“賣(mài)家的服務(wù)態(tài)度”、“賣(mài)家的發(fā)貨速度”等三項(xiàng)評(píng)價(jià)指標(biāo),同時(shí)也引入了同行業(yè)的平均排名以供用戶參考,在一定程度上給予了用戶更全面、更精確且更直觀的參考評(píng)估。但是,淘寶網(wǎng)上依舊存在著大量的“評(píng)價(jià)方未及時(shí)做出評(píng)價(jià),系統(tǒng)默認(rèn)好評(píng)!”、“本店恕不接受中評(píng)、差評(píng)”等情況。無(wú)意義的空投票與被賣(mài)家脅迫的假投票嚴(yán)重地影響到了淘寶網(wǎng)信譽(yù)系統(tǒng)的良好運(yùn)行。

      同時(shí),由于相比C2C平臺(tái)具有更高的開(kāi)放性,P2P領(lǐng)域亦有較多的研究人員在研究與C2C類(lèi)似的信譽(yù)[1]與激勵(lì)模型[2],希望通過(guò)附加計(jì)算組件規(guī)范各結(jié)點(diǎn)的行為。本文就鼓勵(lì)買(mǎi)家進(jìn)行合理、準(zhǔn)確的投票展開(kāi)研究,引入了目前P2P領(lǐng)域研究較多的可信計(jì)算理論與技術(shù),以期通過(guò)附加一些計(jì)算與要求,協(xié)助C2C平臺(tái)建立一個(gè)更加完善、合理且值得用戶信任的信譽(yù)系統(tǒng)。

      2 基于用戶投票激勵(lì)模型的信譽(yù)系統(tǒng)

      現(xiàn)實(shí)生活中,信譽(yù)廣泛存在于各種市場(chǎng)行為中,信譽(yù)系統(tǒng)使萬(wàn)千買(mǎi)家與賣(mài)家受惠:賣(mài)家通過(guò)信譽(yù)系統(tǒng)在買(mǎi)家中建立良好的商家信譽(yù),因此帶來(lái)更多的買(mǎi)家;買(mǎi)家通過(guò)信譽(yù)系統(tǒng)獲知信譽(yù)良好的商家,獲取更加優(yōu)質(zhì)的服務(wù)。自計(jì)算機(jī)網(wǎng)絡(luò)引入商品交易以來(lái),大量的數(shù)據(jù)存儲(chǔ)與快速訪問(wèn)變成了可能,買(mǎi)家不僅能夠通過(guò)熟識(shí)的朋友獲取賣(mài)家相應(yīng)的信譽(yù),還能夠借助于海量的非熟識(shí)朋友的經(jīng)驗(yàn)來(lái)協(xié)助他們進(jìn)行交易。

      但是,信譽(yù)系統(tǒng)顯然并沒(méi)有對(duì)海量信譽(yù)數(shù)據(jù)與快速訪問(wèn)這一巨大變化進(jìn)行較為合理的優(yōu)化,大量的空評(píng)價(jià)和欺騙性評(píng)價(jià)以及賣(mài)家脅迫下的假評(píng)價(jià)充斥著C2C交易平臺(tái),以致大量信譽(yù)看似良好的賣(mài)家卻依舊在銷(xiāo)售著他們的劣質(zhì)產(chǎn)品。

      現(xiàn)實(shí)生活中運(yùn)行良好的信譽(yù)系統(tǒng)之所以在遷移至互聯(lián)網(wǎng)時(shí)沒(méi)有利用到其海量數(shù)據(jù)存儲(chǔ)和快速訪問(wèn)的優(yōu)勢(shì),反被大量的垃圾信譽(yù)所害的主要原因在于:實(shí)體市場(chǎng)中的信譽(yù)往往通過(guò)朋友等關(guān)系進(jìn)行傳播,在信譽(yù)傳播過(guò)程中有額外的附加責(zé)任,信譽(yù)傳播者通常對(duì)其傳播行為負(fù)責(zé),信譽(yù)傳播呈現(xiàn)小而精的態(tài)勢(shì);電子市場(chǎng)中的買(mǎi)家與買(mǎi)家并不熟識(shí),信譽(yù)傳播過(guò)程相對(duì)較隨意,出于對(duì)打“差評(píng)”可能帶來(lái)的賣(mài)家糾纏的憂慮或懶于評(píng)價(jià),電子市場(chǎng)記錄了大批的“無(wú)用的好評(píng)信譽(yù)記錄”。

      本文將實(shí)體市場(chǎng)中有責(zé)任的信譽(yù)傳播機(jī)制引入C2C電子交易市場(chǎng),使用戶在放棄評(píng)價(jià)與濫評(píng)價(jià)時(shí)承擔(dān)一定的責(zé)任,以期鼓勵(lì)用戶進(jìn)行主動(dòng)、客觀的評(píng)價(jià)。實(shí)驗(yàn)表明在設(shè)計(jì)良好的信譽(yù)系統(tǒng)下,C2C平臺(tái)可以較大限度地提高用戶的主動(dòng)評(píng)價(jià)率,遏制虛假評(píng)價(jià)。

      3 用戶投票激勵(lì)算法

      激勵(lì)信譽(yù)系統(tǒng)由完全獨(dú)立于平臺(tái)的各種表征用戶性質(zhì)的數(shù)值組成,本文將定義如下4個(gè)激勵(lì)信譽(yù)系統(tǒng)的重要概念。

      Vr:買(mǎi)家評(píng)價(jià),單次事務(wù)中,買(mǎi)家對(duì)賣(mài)家的商品及服務(wù)的評(píng)價(jià)。

      Rr:賣(mài)家累積信譽(yù),即賣(mài)家從過(guò)去的買(mǎi)家評(píng)價(jià)中所獲取的累積分值的指征。

      Pu:買(mǎi)家累積信譽(yù)積分,即信譽(yù)系統(tǒng)評(píng)估買(mǎi)家歷次的Vr,系統(tǒng)累積計(jì)算出來(lái)反映其準(zhǔn)確程度的指征。

      Rp:商品信譽(yù)價(jià)格,即賣(mài)家為調(diào)節(jié)商品可用程度,屏蔽部分低Pu買(mǎi)家的工具。

      較之傳統(tǒng)的信譽(yù)系統(tǒng),本文中所述的激勵(lì)信譽(yù)系統(tǒng)引入了Pu與Rp兩個(gè)重要概念:Pu指標(biāo)衡量買(mǎi)家評(píng)價(jià)的準(zhǔn)確程度,Rp指標(biāo)由賣(mài)家針對(duì)商品進(jìn)行自主調(diào)控,主要目的是在引入Pu信譽(yù)積分的前提下,賣(mài)家有權(quán)力自主選擇合適的買(mǎi)家進(jìn)行消費(fèi),進(jìn)一步限制惡意買(mǎi)家對(duì)優(yōu)質(zhì)資源的影響。

      具體到一個(gè)交易事務(wù),Rr與Rp在交易開(kāi)始之前展現(xiàn)給買(mǎi)家,若買(mǎi)家對(duì)于該賣(mài)家的Rr與資源的Rp及資源的其他描述滿意,則交易開(kāi)始:

      ·從買(mǎi)家Pu賬號(hào)上減去Rp的分值,如買(mǎi)家Pu賬號(hào)余額不足,則禁止交易;

      ·買(mǎi)家與賣(mài)家完成交易事務(wù);

      ·若買(mǎi)家不對(duì)資源進(jìn)行評(píng)價(jià),則系統(tǒng)無(wú)動(dòng)作,買(mǎi)家Pu賬號(hào)變動(dòng)為ΔPu=-Rp;若買(mǎi)家對(duì)資源進(jìn)行評(píng)價(jià),則系統(tǒng)依據(jù)Vr的準(zhǔn)確程度,反饋 X(0

      · 若買(mǎi)家對(duì)資源進(jìn)行評(píng)價(jià),系統(tǒng)將Vr納入ΔRr計(jì)算,改變資源的Rr積分。

      由上述交易場(chǎng)景可知:由于買(mǎi)家在交易前即已獲知賣(mài)家的Rr與資源的Rp,而且自動(dòng)化的信譽(yù)系統(tǒng)并沒(méi)有其他的評(píng)估賣(mài)家Rr的途徑,所以ΔRr與ΔPu的所有評(píng)估因子均來(lái)源于歷次買(mǎi)家的Vr。作為一個(gè)單純的信譽(yù)系統(tǒng),Rr必須具有對(duì)買(mǎi)家一定的參考意義,協(xié)助買(mǎi)家進(jìn)行進(jìn)一步的決定;作為一個(gè)單純的激勵(lì)系統(tǒng),Rr不能泄漏重要計(jì)算因子給后續(xù)買(mǎi)家,以免后續(xù)買(mǎi)家可以反推最佳Vr,以獲取高額的ΔPu。

      在進(jìn)行計(jì)算算法設(shè)計(jì)之前,本文提出以下兩條主要用于簡(jiǎn)化用戶偏好所帶來(lái)的資源計(jì)算偏差的假設(shè)條件:

      (1)為了簡(jiǎn)化C2C平臺(tái)下與激勵(lì)核心算法無(wú)關(guān)的因素,用戶對(duì)于資源的偏好程度被忽略,即所有的用戶在資源偏好上是不存在偏差的;

      (2)在假設(shè)(1)的約束下,一個(gè)負(fù)責(zé)任的用戶針對(duì)某個(gè)資源所給出的評(píng)價(jià)與其他負(fù)責(zé)任的用戶針對(duì)該資源所給出的評(píng)價(jià)應(yīng)當(dāng)是大致近似的。

      在如上兩個(gè)假設(shè)條件下,本文設(shè)計(jì)如下算法,分別計(jì)算 ΔRr與 ΔPu:

      式(1)中,N為前期賣(mài)家所擁有的投票數(shù),S為大于0的恒量縮放因子;式(2)中,pdf為標(biāo)準(zhǔn)正態(tài)概率密度函數(shù),其中,μ為前期賣(mài)家所擁有的全部投票的平均值,σ為前期賣(mài)家所擁有的全部投票的標(biāo)準(zhǔn)差。

      由以上ΔRr與ΔPu的公式可知,賣(mài)家信譽(yù)指數(shù)增量ΔRr當(dāng)且僅當(dāng)在Vr大于0.5時(shí)為正,且Vr越大,ΔRr越大,因此賣(mài)家信譽(yù)指數(shù)Rr隨著他所獲得的大于0.5的Vr的數(shù)量與Vr的分值的增加而升高;另一方面,買(mǎi)家信譽(yù)指數(shù)增量ΔPu則正比于Vr與前期賣(mài)家所擁有的全部投票的平均值μ,反比于前期賣(mài)家所擁有的全部投票的標(biāo)準(zhǔn)差σ。

      如圖1所示,Rc對(duì)Rr造成的變化并不受到此前評(píng)價(jià)的用戶的影響,一定的Rc即對(duì)應(yīng)于一定的ΔRr。

      圖2描述了3位賣(mài)家在初始Rr均為0,分別經(jīng)歷過(guò)2、4、4輪買(mǎi)家評(píng)價(jià)后Rr最終達(dá)到同一數(shù)值的情況,則他們的第3、5、5位買(mǎi)家面對(duì)的賣(mài)家由系統(tǒng)所給出來(lái)的提示Rr均相同,但是由于各賣(mài)家的前期買(mǎi)家對(duì)資源的評(píng)價(jià)完全不同,所以后續(xù)買(mǎi)家在給出相應(yīng)的Vr時(shí),系統(tǒng)將依據(jù)前期買(mǎi)家對(duì)資源給出的評(píng)價(jià)作出如圖3所示的ΔPu反饋。

      (1)(a)號(hào)資源的前期買(mǎi)家對(duì)資源作出了較高的μ與較低的σ的評(píng)價(jià),使(a)號(hào)資源僅僅經(jīng)過(guò)較少的買(mǎi)家評(píng)價(jià)即已經(jīng)達(dá)到了一定的資源信譽(yù),說(shuō)明(a)號(hào)資源得到了一定數(shù)量的達(dá)到共識(shí)的買(mǎi)家的高度評(píng)價(jià),因此圖3中代表該資源后續(xù)買(mǎi)家得分分布的實(shí)線曲線相對(duì)較窄而且偏向右邊的高分區(qū)。

      (2)(b)號(hào)資源的與(a)號(hào)資源所展示給后續(xù)買(mǎi)家的 Rr完全一致,但是(b)號(hào)資源是經(jīng)歷過(guò)相對(duì)較多輪數(shù)的買(mǎi)家評(píng)價(jià)達(dá)到目前的資源信譽(yù)的,說(shuō)明(b)號(hào)資源得到了較多買(mǎi)家的一般認(rèn)可,由于廣泛買(mǎi)家的認(rèn)可,一般資源的質(zhì)量也是相對(duì)較高的,因此圖3中代表該資源后續(xù)買(mǎi)家得分分布的虛線曲線與實(shí)線曲線相比偏向中間分值區(qū)。

      (3)(c)號(hào)資源相比于(a)、(b)號(hào)資源,前期買(mǎi)家的評(píng)價(jià)分歧較大,所以系統(tǒng)認(rèn)為該資源可能存在不穩(wěn)定情況,因此圖3中代表該資源后續(xù)買(mǎi)家得分分布的點(diǎn)劃線曲線的得分區(qū)間寬度明顯放大。

      因此,由圖2、圖3可知,在引入Pu激勵(lì)機(jī)制后,可以合理地引導(dǎo)買(mǎi)家進(jìn)行評(píng)價(jià),從一定程度上防止空投票和亂投票現(xiàn)象,提高了Rr對(duì)于后續(xù)買(mǎi)家的參考價(jià)值;同時(shí),引入Rp機(jī)制亦保證了賣(mài)家可以針對(duì)自身資源的情況選擇買(mǎi)家,一定程度上遏制了惡意買(mǎi)家的交易與評(píng)價(jià)行為。

      4 實(shí)驗(yàn)與分析

      本節(jié)對(duì)上述算法作出模擬實(shí)驗(yàn)以仿真真實(shí)的C2C平臺(tái)用戶交易,實(shí)驗(yàn)條件如下:

      (1)共計(jì)30個(gè)常規(guī)資源及1個(gè)不受不負(fù)責(zé)任買(mǎi)家評(píng)價(jià)的參照資源和1個(gè)受不負(fù)責(zé)任買(mǎi)家評(píng)價(jià)但不受激勵(lì)機(jī)制限制的參照資源被部署在C2C平臺(tái)里,它們的期望用戶平均評(píng)價(jià)分值均為質(zhì)量一般0.4的;

      (2)包括 300名(20%)不負(fù)責(zé)任的買(mǎi)家在內(nèi)的共計(jì)1 500名買(mǎi)家隨機(jī)選擇以上30個(gè)賣(mài)家資源進(jìn)行評(píng)價(jià);

      (3)不負(fù)責(zé)任的買(mǎi)家在進(jìn)行評(píng)價(jià)時(shí),總是選擇“1.0”的評(píng)價(jià),而普通用戶的投票行為在本實(shí)驗(yàn)中設(shè)定為符合以資源的期望用戶平均評(píng)價(jià)分值為均值,0.3為方差的正態(tài)分布。

      如圖4所示,本次測(cè)試后從全部30個(gè)常規(guī)資源中選出了一個(gè)資源為受不負(fù)責(zé)任買(mǎi)家評(píng)價(jià)影響且受激勵(lì)機(jī)制限制的代表,其Rr變化曲線繪制如圖4中的(a)號(hào)曲線;(b)號(hào)曲線反映的是不受不負(fù)責(zé)任買(mǎi)家評(píng)價(jià)影響的理想情況下的參照資源的Rr變化曲線;(c)號(hào)曲線反映的是受不負(fù)責(zé)任買(mǎi)家評(píng)價(jià)影響且不受激勵(lì)機(jī)制限制的現(xiàn)實(shí)情況下的參照資源的Rr變化典型線。

      從圖4中可以明顯地看到在有大量的不負(fù)責(zé)任買(mǎi)家的評(píng)價(jià)且沒(méi)有激勵(lì)機(jī)制限制下的(c)號(hào)曲線的走勢(shì)明顯偏高,走向了0.9的評(píng)價(jià)好評(píng)度,這種情況正是目前大部分C2C平臺(tái)提供商所面臨的主要問(wèn)題:大量普通或劣質(zhì)資源由于用戶評(píng)價(jià)管理的松散性而使得其參考指標(biāo)Rr明顯高于正常范圍。而在有激勵(lì)機(jī)制發(fā)生作用、有限制的常規(guī)資源(a)的曲線走勢(shì)則更貼近理想走勢(shì)的(b)號(hào)曲線。

      另外,圖4中以深線灰色 標(biāo)識(shí)的曲線則反映了同期被禁止交易的買(mǎi)家數(shù)量變化示意圖,明顯的是,在經(jīng)歷過(guò) 500個(gè)交易周期后,約有 67%(200/300)的不負(fù)責(zé)任買(mǎi)家被禁止交易,而僅約有5.8%(70/1 200)的常規(guī)買(mǎi)家被禁止交易。

      經(jīng)過(guò)實(shí)驗(yàn)表明,本激勵(lì)算法在限制不負(fù)責(zé)任買(mǎi)家的評(píng)價(jià)行為、提高資源評(píng)價(jià)的參考指標(biāo)質(zhì)量上均有比較大的作用,同時(shí),并沒(méi)有對(duì)負(fù)責(zé)任的買(mǎi)家造成較大的影響。

      5 相關(guān)工作

      目前,信譽(yù)系統(tǒng)在分布式環(huán)境中獲得了較多的科研人員的關(guān)注,Kamvar S D等[3]和Xiong L等[4]分別提出了兩個(gè)全局信譽(yù)系統(tǒng):EigenTrust和PeerTrust。與此同時(shí),我們也就分布式的信譽(yù)系統(tǒng)展開(kāi)過(guò)相關(guān)的研究[5]。但是,以上精確的信譽(yù)模型研究均假定了主動(dòng)的用戶評(píng)價(jià),并未涉及激勵(lì)機(jī)制,因此依然會(huì)造成大量的空白或無(wú)用評(píng)價(jià)。

      Antoniadis P[6]和Papaioannou T G等[7]則提出了一個(gè)簡(jiǎn)單的激勵(lì)模型:買(mǎi)家的評(píng)價(jià)直接與最近的前一位買(mǎi)家的評(píng)價(jià)進(jìn)行比較,如果一致,則認(rèn)為兩位買(mǎi)家的評(píng)價(jià)真實(shí)有效,否則認(rèn)為兩位買(mǎi)家至少有一方是不負(fù)責(zé)任的,系統(tǒng)判定兩次分值均無(wú)效。這種超輕量級(jí)的計(jì)算策略非常靈活、簡(jiǎn)單,但是它并不能真正區(qū)分哪一位買(mǎi)家在進(jìn)行不負(fù)責(zé)任的評(píng)價(jià)行為,無(wú)辜的人經(jīng)常被不負(fù)責(zé)任的人牽連,而且系統(tǒng)沒(méi)有自我學(xué)習(xí)與適應(yīng)功能。

      Yang Mao[8]等人則在激勵(lì)與信譽(yù)機(jī)制方面將目前國(guó)內(nèi)外研究的重點(diǎn)內(nèi)容結(jié)合起來(lái)應(yīng)用在Maze系統(tǒng)中。然而,參考文獻(xiàn)[8]主要注重信譽(yù)機(jī)制的融合,對(duì)于相應(yīng)的激勵(lì)機(jī)制的描述相對(duì)簡(jiǎn)單,激勵(lì)機(jī)制僅僅作為信譽(yù)機(jī)制的一種簡(jiǎn)單的附加設(shè)施,面對(duì)各種各樣的惡意或?yàn)E用行為缺乏較完善的考量。Chang Junsheng[9]、Jin Yu[10]和 Li Haihua[11]等人主要針對(duì)P2P網(wǎng)絡(luò)中假投票或者偽投票的偵測(cè)與識(shí)別展開(kāi)了相關(guān)研究,其均假設(shè)結(jié)點(diǎn)擁有充足的投票數(shù),且沒(méi)有對(duì)激勵(lì)展開(kāi)相關(guān)的研究。另外,Srivatsa等人在TrustGuard[12]中提出了信譽(yù)分值的時(shí)效性問(wèn)題,也沒(méi)有涉及激勵(lì)機(jī)制。

      6 結(jié)束語(yǔ)

      本文提出了一個(gè)用于分布式電子商務(wù)環(huán)境下的新型的用戶投票激勵(lì)算法模型。該模型對(duì)系統(tǒng)有較小的侵入性,能在不增加用戶負(fù)擔(dān)、不改變系統(tǒng)結(jié)構(gòu)的情況下,為信譽(yù)系統(tǒng)增加針對(duì)用戶的激勵(lì)功能,鼓勵(lì)買(mǎi)家進(jìn)行真實(shí)、有效的評(píng)價(jià)活動(dòng)。該模型的引入在一定程度上提高了買(mǎi)家的責(zé)任心,提高了買(mǎi)家評(píng)價(jià)的準(zhǔn)確性和可用性,從而進(jìn)一步提高了信譽(yù)系統(tǒng)的可用性。

      針對(duì)真實(shí)環(huán)境的模擬實(shí)驗(yàn)表明,本算法對(duì)買(mǎi)家的評(píng)價(jià)有較好的識(shí)別能力,可以自動(dòng)高效地判定買(mǎi)家類(lèi)別,并自動(dòng)過(guò)濾買(mǎi)家的不負(fù)責(zé)任的投票,使對(duì)賣(mài)家的評(píng)價(jià)更加接近真實(shí)。

      1 Cohen B.Incentives build robustness in bitTorrent.In:The 1st Workshop on Economics of Peer-to-Peer Systems,Berkeley, CA,USA,2003

      2 Freedman M J,Aperjis C,Johari R.Prices are right:managing resources and incentives in peer-assisted content distribution.In:The 7th International Workshop on Peer-to-Peer Systems,Toronto,Canada,2008

      3 Kamvar S D,Schlosser M T,Molina H G.The eigen trust algorithm for reputation management in P2P networks.In:The 12th InternationalWorld Wide Web Conference(WWW),Budapest,Hungary,2003

      4 Xiong L,Liu L.Peertrust:supporting reputation-based trust for peer-to-peer electronic communities. In: IEEE Trans on Knowledge and Data Engineering,2004(16)

      5 Yang B W,Song G H,Zheng Y.Resourcedog:a trusted resource discovery and automatic invocation P2P framework.In:The 5th IFIP International Conference on Network and Parallel Computing,Shanghai,China,2008

      6 Antoniadis P,Courcoubetis C,Mason R,Papaioannou T G,et al.Results of peer-to-peer market models,project IST MMAPPS,http://www.mmapps.org

      7 Papaioannou T G,Stamoulis G D.An incentives’mechanism promoting truthful feedback in peer-to-peer systems.In:The 5th IEEE International Symposium on Cluster Computing and the Grid,Cardiff,UK,2005

      8 Yang Mao,Feng Qinyuan,DaiYafei,Zhang Zheng.A multi-dimensional reputation system combined with trust and incentive mechanisms in P2P file sharing systems.In:The 27th InternationalConference on Distributed Computing Systems(ICDCS),Toronto,Ontario,Canada,2007

      9 Chang Junsheng,Wang Huaimin,Yin Gang,Tang Yangbin.A new reputation mechanism against dishonest recommendations in P2P systems.In:The 8th International Conference on Web Information Systems Engineering(WISE),Nancy,F(xiàn)rance,2007

      10 JinYu,GuZhimin,GuJinguang,ZhaoHongwu.A new reputation-based trustmanagementmechanism againstfalse feedbacks in peer-to-peer systems.In:The 8th International Conference on Web Information Systems Engineering(WISE),Nancy,F(xiàn)rance,2007

      11 Li Haihua,Du Xiaoyong,Tian Xuan.A review-based reputation evaluation approach forweb services.JournalofComputer Science and Technology,2009

      12 Srivatsa M,Xiong L,Liu L.Trustguard:countering vulnerabilities in reputation management for decentralized overlay networks.In:The 14th International World Wide Web Conference(WWW),Chiba,Japan,2005

      猜你喜歡
      信譽(yù)賣(mài)家買(mǎi)家
      賣(mài)家秀與買(mǎi)家秀
      以質(zhì)量求發(fā)展 以信譽(yù)贏市場(chǎng)
      賣(mài)家秀與買(mǎi)家秀
      家庭百事通(2021年5期)2021-05-30 10:48:04
      買(mǎi)家秀和賣(mài)家秀
      童話世界(2020年17期)2020-07-25 02:18:46
      信譽(yù)如“金”
      不會(huì)吃蟹腿的買(mǎi)手 不是好賣(mài)家
      江蘇德盛德旺食品:信譽(yù)為翅飛五洲
      熱圖
      家庭百事通(2016年1期)2016-01-12 18:44:43
      拉風(fēng)買(mǎi)家秀
      Coco薇(2015年10期)2015-10-19 01:12:21
      買(mǎi)家
      诸暨市| 大化| 永安市| 中宁县| 从江县| 乌鲁木齐市| 民乐县| 湘潭县| 固安县| 兴国县| 广昌县| 吴川市| 德江县| 平远县| 苗栗县| 湘西| 平舆县| 建水县| 盐亭县| 肃南| 福泉市| 乌审旗| 麻阳| 和龙市| 平罗县| 江油市| 米易县| 沙河市| 维西| 卓资县| 敖汉旗| 天等县| 龙山县| 墨脱县| 溧阳市| 屯留县| 阳高县| 图木舒克市| 西充县| 建瓯市| 澄城县|