網(wǎng)絡(luò)專家可信度判定方法及裝置的制造方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明實(shí)施例涉及互聯(lián)網(wǎng)技術(shù)領(lǐng)域，尤其涉及一種網(wǎng)絡(luò)專家可信度判定方法及裝 置。
【背景技術(shù)】
[0002] 隨著互網(wǎng)絡(luò)的迅速發(fā)展，人們?cè)絹碓揭栏接诰W(wǎng)絡(luò)。當(dāng)遇有難題時(shí)，也依靠互聯(lián)網(wǎng)搜 索，期望網(wǎng)絡(luò)上的專家給出指導(dǎo)性意見。但是，網(wǎng)絡(luò)上的專家的水平也都參差不齊，有些專 家給出的意見也不太可信，甚至于存在一些偽專家。那么，如何判定網(wǎng)絡(luò)上專家的可信程度 成為目前亟待解決的一個(gè)問題。
[0003] 目前，常規(guī)的專家可信程度的判定方法是通過人員對(duì)專家的意見進(jìn)行解讀以進(jìn)行 判定，對(duì)于不同的人往往具有不同的判定結(jié)果，具有主觀性，從而使判定結(jié)果缺乏真實(shí)性。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明實(shí)施例提供一種網(wǎng)絡(luò)專家可信度判定方法及裝置，能夠通過計(jì)算未知專家 的可信程度，為用戶提供更加可靠有價(jià)值的專家意見。
[0005] 第一方面，本發(fā)明實(shí)施例提供了一種網(wǎng)絡(luò)專家可信度判定方法，包括：
[0006] 從互聯(lián)網(wǎng)上獲取已知專家的可信程度的影響因素信息；
[0007] 根據(jù)所述已知專家的可信程度的影響因素信息確定各影響因素的權(quán)重；
[0008] 獲取未知專家的可信程度的影響因素信息；
[0009] 根據(jù)所述未知專家的可信程度的影響因素信息和所述各影響因素的權(quán)重確定所 述未知專家的可信程度。
[0010] 第二方面，本發(fā)明實(shí)施例還提供一種網(wǎng)絡(luò)專家可信度判定裝置，包括：
[0011] 第一信息獲取模塊，用于從互聯(lián)網(wǎng)上獲取已知專家的可信程度的影響因素信息；
[0012] 權(quán)重確定模塊，用于根據(jù)所述已知專家的可信程度的影響因素信息確定各影響因 素的權(quán)重；
[0013] 第二?目息獲取模塊，用于獲取未知專家的可?目程度的影響因素 ?目息；
[0014] 可信程度確定模塊，用于根據(jù)所述未知專家的可信程度的影響因素信息和所述各 影響因素的權(quán)重確定所述未知專家的可信程度。
[0015] 本發(fā)明實(shí)施例通過從互聯(lián)網(wǎng)上獲取已知專家的可信程度的影響因素信息，并根據(jù) 所述已知專家的可信程度的影響因素信息確定各影響因素的權(quán)重；在獲取到未知專家的可 信程度的影響因素信息后，根據(jù)已知專家確定的所述各影響因素的權(quán)重進(jìn)一步確定所述未 知專家的可信程度，從而為用戶提供更加可靠有價(jià)值的專家意見。
【附圖說明】
[0016] 圖1為本發(fā)明實(shí)施例一提供的網(wǎng)絡(luò)專家可信度判定方法的流程示意圖；
[0017] 圖2為本發(fā)明實(shí)施例二提供的網(wǎng)絡(luò)專家可信度判定方法的流程示意圖；
[0018] 圖3為本發(fā)明實(shí)施例三提供的網(wǎng)絡(luò)專家可信度判定裝置的結(jié)構(gòu)示意圖。
【具體實(shí)施方式】
[0019] 下面結(jié)合附圖和實(shí)施例對(duì)本發(fā)明作進(jìn)一步的詳細(xì)說明?？梢岳斫獾氖?，此處所描 述的具體實(shí)施例僅僅用于解釋本發(fā)明，而非對(duì)本發(fā)明的限定。另外還需要說明的是，為了便 于描述，附圖中僅示出了與本發(fā)明相關(guān)的部分而非全部結(jié)構(gòu)。
[0020] 本發(fā)明實(shí)施例提供的網(wǎng)絡(luò)專家可信度判定方法的執(zhí)行主體，可為集成在終端設(shè)備 上的網(wǎng)絡(luò)專家可信度判定裝置，該網(wǎng)絡(luò)專家可信度判定裝置可以采用硬件或軟件實(shí)現(xiàn)。
[0021] 實(shí)施例一
[0022] 圖1為本發(fā)明實(shí)施例一提供的網(wǎng)絡(luò)專家可信度判定方法的流程示意圖，如圖1所 示，具體包括：
[0023] S11、從互聯(lián)網(wǎng)上獲取已知專家的可信程度的影響因素信息；
[0024] 其中，已知專家是指在互聯(lián)網(wǎng)發(fā)表言論的且已經(jīng)過官方確認(rèn)身份真?zhèn)蔚膶＜?，?括真實(shí)專家和偽專家。
[0025] S12、根據(jù)所述已知專家的可信程度的影響因素信息確定各影響因素的權(quán)重；
[0026] 其中，所述可信程度的影響因素信息可以根據(jù)需要進(jìn)行設(shè)定，也可區(qū)分不同的專 家判定標(biāo)準(zhǔn)確定不同的影響因素信息。具體可包括以下影響因素中的至少一種：用戶評(píng)論 內(nèi)容、點(diǎn)贊量、點(diǎn)踩量、用戶評(píng)論分?jǐn)?shù)、用戶評(píng)論數(shù)量、專家職稱、專家在專業(yè)領(lǐng)域內(nèi)的認(rèn)可 度、專家發(fā)表的文章和書籍量?？赏ㄟ^神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法，例如監(jiān)督學(xué)習(xí)算法、無監(jiān)督學(xué)習(xí) 算法或半監(jiān)督學(xué)習(xí)算法等，分別計(jì)算上述各影響因素的權(quán)重。
[0027] 例如，對(duì)于真實(shí)專家來說，上述各影響因素中的用戶評(píng)論內(nèi)容中好評(píng)量和點(diǎn)贊量 也就越多，用戶評(píng)論分?jǐn)?shù)、專家職稱和專家在專業(yè)領(lǐng)域內(nèi)的認(rèn)可度就越高，而點(diǎn)踩量和用戶 壞評(píng)量也就越低。對(duì)于偽專家來說，上述各影響因素中的用戶評(píng)論內(nèi)容中的好評(píng)量和點(diǎn)贊 量也就越少，用戶評(píng)論分?jǐn)?shù)、專家職稱和專家在專業(yè)領(lǐng)域內(nèi)的認(rèn)可度也就越低，而點(diǎn)踩量也 就越高。由于專家發(fā)表的文章和書籍量，都有可能偽造，因此對(duì)真?zhèn)螌＜业呐卸ǖ挠绊懖⒉?是很大。從而可以確定各影響因素中用戶評(píng)論內(nèi)容、點(diǎn)贊量、點(diǎn)踩量、用戶評(píng)論分?jǐn)?shù)、用戶評(píng) 論數(shù)量、專家職稱和專家在專業(yè)領(lǐng)域內(nèi)的認(rèn)可度對(duì)判定專家的影響比較大，其對(duì)應(yīng)的權(quán)重 也就越高，而專家發(fā)表的文章和書籍量對(duì)判定專家的影響比較小，其對(duì)應(yīng)的權(quán)重也就越小。
[0028] 具體的，可從互聯(lián)網(wǎng)上（例如百度口碑網(wǎng)站）獲取大量已知專家的可信程度的影 響因素信息，包括真實(shí)專家和偽專家的專家職稱、專家領(lǐng)域內(nèi)認(rèn)可程度、專家的文章或者書 籍、網(wǎng)民的評(píng)論其中包括點(diǎn)贊或者點(diǎn)踩、及網(wǎng)民的評(píng)論語等信息，通過神經(jīng)網(wǎng)絡(luò)中的學(xué)習(xí)算 法（監(jiān)督學(xué)習(xí)、無監(jiān)督學(xué)習(xí)或半監(jiān)督學(xué)習(xí)），可得到真實(shí)專家對(duì)應(yīng)的各影響因素對(duì)應(yīng)的權(quán) 重。
[0029] 具體在實(shí)現(xiàn)時(shí)，可以將每個(gè)樣本的各影響信息因素進(jìn)行量化，并存入數(shù)組，在數(shù)組 中設(shè)置專家真?zhèn)螛?biāo)識(shí)項(xiàng)，可預(yù)先將真實(shí)專家對(duì)應(yīng)的標(biāo)識(shí)項(xiàng)設(shè)為1，偽專家對(duì)應(yīng)的標(biāo)識(shí)項(xiàng)設(shè)為 〇。而后將樣本的數(shù)組作為算法的輸入數(shù)據(jù)。
[0030] 例如，獲取的已知專家的影響因素中包括用戶評(píng)論內(nèi)容、點(diǎn)贊量、點(diǎn)踩量、用戶 評(píng)論分?jǐn)?shù)和用戶評(píng)論數(shù)量，獲取的真實(shí)專家對(duì)應(yīng)的用戶評(píng)論內(nèi)容的好評(píng)量、點(diǎn)贊量、點(diǎn)踩 量、用戶評(píng)論分?jǐn)?shù)和專家發(fā)表的文章和書籍量經(jīng)過賦值及歸一化處理后分別為80、90、5、 89和50,獲取的偽專家對(duì)應(yīng)的用戶評(píng)論內(nèi)容的好評(píng)量、點(diǎn)贊量、點(diǎn)踩量、用戶評(píng)論分?jǐn)?shù)和 專家發(fā)表的文章和書籍量經(jīng)過賦值處理后分別為5、0、95、5和57,將上述兩組數(shù)據(jù)以向量 [80909589501]和[50955570]的形式輸入上述學(xué)習(xí)算法中，得到真實(shí)專家對(duì)應(yīng)的用戶評(píng)論 內(nèi)容、點(diǎn)贊量、點(diǎn)踩量、用戶評(píng)論分?jǐn)?shù)和專家發(fā)表的文章和書籍量對(duì)應(yīng)的權(quán)重分別為0.9、 0.8、-0.85、0. 93和0. 1。表明在上述影響信息因素中，用戶評(píng)論分?jǐn)?shù)的權(quán)重較高0.93,最 能反映專家的真?zhèn)?，而專家發(fā)表的文章和書籍量，權(quán)重較低為〇. 1，在反映專家真?zhèn)涡苑矫?的影響最弱。
[0031] 另外，隨著網(wǎng)民評(píng)論數(shù)量的增加，得到的各影響因素的權(quán)重真實(shí)性就越強(qiáng)，通過不 斷的機(jī)器學(xué)習(xí)，最終可得到用于判斷未知專家真?zhèn)蔚恼鎸?shí)權(quán)重。
[0032] S13、獲取未知專家的可信程度的影響因素信息；
[0033] S14、根據(jù)所述未知專家的可信程度的影響因素信息和所述各影響因素的權(quán)重確 定所述未知專家的可信程度。
[0034] 具體的，所述未知專家的可信程度可采用分值表示，例如，0~100分，分值越高 可信程度越強(qiáng)；也可以采用等級(jí)表示，例如高級(jí)專家、普通專家和偽專家等等。例如，獲取 的未知專家的可信程度的影響因素信息包括用戶評(píng)論內(nèi)容中的好評(píng)量、點(diǎn)贊量、點(diǎn)踩量、用 戶評(píng)論分?jǐn)?shù)和專家發(fā)表的文章和書籍量經(jīng)過賦值及歸一化處理后分別為80、90、30、70和 90,則采用上述步驟S12中得到的真實(shí)專家對(duì)應(yīng)的權(quán)重用戶評(píng)論內(nèi)容0. 9、點(diǎn)贊量0. 8、點(diǎn) 踩量-0. 85、用戶評(píng)論分?jǐn)?shù)0. 93和專家發(fā)表的文章和書籍量0. 1，得到未知專家的可信程 度對(duì)應(yīng)的分?jǐn)?shù)為 80*0. 9+90*0. 8+30*(-0· 85)+70*0. 93+90