基于模糊综合评价法的用户行为可信度研究

作者：董 良

来源：《现代经济信息》 2018年第17期

摘要：如今社交媒体已经完全融入人们的日常生活，因此对于社交媒体中用户可信度危机日益凸显。本文基于模糊综合评价法对于微博用户可信任性的问题建立模型，通过在微博上爬取的所有原数据进行预处理，得到用户数据集。并且选择性的提取微博用户的相关信息，本文提取了微博用户的活跃指数，影响指数，以及价值指数进行测算，然后利用模糊综合评价法的结构模型，本文通过对数据的权重系数数值进行确定，计算出用户的权威性因素。之后，构建用户可信度模型，并且使用综合评价法进行检验。实验结果显示，该模型对微博用户的可信度评测方面有较好的准确性。

关键词：模糊综合评价；微博用户；可信度

中图分类号：F7 文献识别码：A 文章编号：1001-828X(2018)025-0320-01

一、背景

微博是一种集成开放式的社交服务平台。近几年，微博凭借这种灵活快捷的传播方式深受人们喜爱。而近几年，微博网红有成为了人们关注的重点。微博网红通过一些精彩的视频或者文章受到了广大人民群众的喜爱。那么，什么样的微博用户的可信度较高，如何定义微博用户的可信度就成了至关重要的问题。

二、用户可信度模型构建

建立层次结构：

本文使用的模糊综合评价法是一种综合性的评价方法，该方法的原理基于模糊数学理论。模糊综合评价法可以对一个系统的多个因素进行评价，从而得出全面的评价结果。对于微博用户的可信度影响因素的确认是一个庞大而复杂的系统工程，为了客观、准确、完整地评价节目各影响因素对于微博用户可信度效果的影响，因此我们有必要建立一个能够全方位、多角度反映影响因素的评价指标。根据上文中对于各个传播影响因素的分析以及对专家意见的收集、整理，最终确定影响因素应该包括用户的活跃指数、用户的影响指数以及微博博文的价值指数。

三、模糊评估

确定因素集：本文所使用的评价系统是一个该评价是多目标决策问题，本文选取上表中的三个因素集作为该组织的因素评价集：U = {U1,U2,U3} ={ 用户活跃指数 用户影响指数 信息价值指数}。确定因素评价集: 由于评价因素的模糊性和不确定性，那么本文可以利用语义学标度评语集为5 个等级来表示因素对微博用户信用度的影响：V= {V1,V2,V3,V4,V5}={ 非常高，高，中等，低，非常低}。我们将各个因素分为四个等级，并用单因素矩阵表示评价结果。

四、影响因素评估结果分析

本文将微博用户可信度等级的模糊子集分为五个等级，定义为V={V1,V2,V3,V4,V5}，即{ 非常高，高，中等，低，非常低}。并且，本文实际应用中引入等级评分制，以对应的信用评价分值区间对应于各等级，据对以往相关数据的调查，及咨询相关专家建议，列出了5 个信用等级。之后，本文根据搜集到的数据做出评价结果，根据一级模糊综合评判公式：

Bi=Ai·Ri

我们可以得到相应的一级模糊综合评价结果。将Bi 看作目标层的三个单因子判断，则对目标层的综合评判经过归一化处理

B=[0.271 0.306 0.306 0.096 0.021]

通过综合分析我们可以看出：微博用户的总体信用度评价处于较高状态。信用度最高的程度为0.271，较高和中等的信用度程度均为0.306，信用度较低的程度为0.096，信用度极低的程度为0.021。我们可以得到微博用户的总体信用度处于高和中等，但是仍然有15% 的人信用度比较低。

五、结语

本文主要研究了微博用户可信度的问题。通过以上分析，本文提出了一种微博用户可信度的分析模型。并且在微博用户群中，非常高信用度的群体占27.1％，信用度高以及信用度中等的各占30.6%。信用度低的用户群体占9.6%，信用度非常低的用户占2.1%。总之，将模糊综合评价应用于评价微博用户的信用度等级，但是本文的描述指标还不够立体，希望以后的文献可以研究出更加全面的描述指标以更加具体的评估出用户可信度的指标范围，进而提高评价的准确性。

参考文献：

[1] 张斯琦. 微博文化研究 [D]. 长春: 吉林大学,2012.

[2] 任一奇, 王雅蕾, 王国华, 等. 微博谣言的演化机理研究[J]. 情报杂志,2012,31(5):50-54.

[3]Daivd J. Trust as a social reality[J]. Social Science,1985,63(4):967-985.

[4]Jsang A, Marsh S, Pope S. Exploring different types of trustpropagation[M]. Trust management. Springer Berlin Heidelberg, 2006:179-192.

[5]Sabater J,Sierra C. Review on computational trust and reputationmodels[J]. Artificial intelligence review,2005,24(1):33-60.

[6] 王峰, 余伟, 李石君. 新浪微博平台上的用户可信度评估[J]. 计算机科学与探索,2013,7(12):1125-1134.