评价信息处理方法及其装置的制造方法
【技术领域】
[0001] 本发明实施例涉及信息技术，尤其涉及一种评价信息处理方法及装置。
【背景技术】
[0002] 随着电商以及智能手机的普及，网络消费行为越来越普遍。人们在网络上消费时 常常依赖于网络上的相关评价信息，由于竞争的存在，同一物品通常会有多个网络评价信 息源。
[0003] 现有技术中，用户在消费前，一般将其它用户对目标对象的评价信息作为参考信 息，通过阅读和分析这些参考信息，做出相应的选择。由于用户个性、喜好的差异，同一网站 中不同用户对同一对象的评价信息，以及不同网站对同一对象的评价信息均呈现多样化特 点同时，由于用户可以随意发表自己的看法，使得评价信息质量参差不齐，甚至有许多人为 的虚假、伪造的评价信息。因此，由于各评价信息差异多变，且相互干扰，现有技术中，用户 仅将各目标对象的评价信息作为参考信息，从而使得该参考信息可靠性及准确度较低，从 而使得用户难以根据该参考信息选择合适的目标对象。
【发明内容】
[0004] 本发明实施例提供一种评价信息处理方法及装置，以提高参考信息的可靠性及准 确度。
[0005] 第一方面，本发明实施例提供一种评价信息处理方法，包括：
[0006] 采集S个信息源中的评价信息，其中，每一条评价信息用于表示一个用户对一个 目标对象的评价；其中，S彡2;
[0007] 根据每个信息源中的评价信息，分别为每个信息源生成一个信息矩阵；其中，每个 信息矩阵的行对应于评价信息所对应的用户，每个信息矩阵的列对应于评价信息所针对的 目标对象；
[0008] 将所述S个信息源中每个信息源的信息矩阵分解为一个用户组矩阵和一个用户 组信息矩阵，以得到S个用户组矩阵和S个用户组信息矩阵；其中，每个信息源的信息矩阵 分解后得到的用户组矩阵和用户组信息矩阵分别为N行XC列的矩阵和C行XK列的矩阵， 其中N为从该信息源中采集到的评价信息所对应的用户个数；K为从该信息源中采集到的 评价信息中，针对相同目标对象的评价信息的个数；C为预设正整数且C不大于所述S个信 息源中各个信息源的评价信息所对应的用户个数的最小值；
[0009] 分别根据所述S个信息源对每个目标对象的权重，对所述S个用户组矩阵和所述S个用户组信息矩阵中与该目标对象所对应的元素进行加权计算，并将所述加权计算的结果 作为该目标对象的综合参考信息，以使用户根据各个目标对象的综合参考信息选择对应的 目标对象。
[0010] 根据第一方面，在第一方面的第一种可能实现的方式中，所述将所述S个信息源 中每个信息源的信息矩阵分解为一个用户组矩阵和一个用户组信息矩阵，包括：
[0011] 将所述S个信息源中每个信息源的信息矩阵进行矩阵分解，得到至少一个矩阵 组；其中，每个矩阵组包括一个第一矩阵，以及与其对应的一个第二矩阵；
[0012] 分别获取每个信息源的信息矩阵分解后所获得的每个第二矩阵与其他信息源的 信息矩阵分解所获得的各个第二矩阵的距离之和；
[0013] 将所述距离之和最小的第二矩阵，确定为所述每个信息矩阵所对应的一个用户组 信息矩阵，将所述距离之和最小的第二矩阵所对应的第一矩阵，确定为所述一个用户组信 息矩阵所对应的用户组矩阵，从而得到所述S个用户组矩阵和所述S个用户组信息矩阵。
[0014] 根据第一方面至第一方面的第一种可能实现的方式，在第二种可能实现的方式 中，所述分别根据所述S个信息源对每个目标对象的权重，对所述S个用户组矩阵和所述S 个用户组信息矩阵中与该目标对象所对应的元素进行加权计算之前，还包括：
[0015] 分别获取所述S个信息源对每个目标对象的权重。
[0016] 根据第一方面的第二种可能实现的方式，在第三种可能实现的方式中，所述分别 获取所述S个信息源对每个目标对象的权重，包括：
[0017] 分别获取所述每个目标对象所对应的用户组信息矩阵中第一列向量与第二列向 量的相似度；其中，所述第一列向量为每个信息矩阵所对应的用户组信息矩阵的列向量； 所述第二列向量为其他信息矩阵所对应的用户组信息矩阵的列向量；
[0018] 确定所述第一列向量与所述第二列向量的最大相似度，并将所述最大相似度确定 为所述S个信息源对所述每个目标对象的权重。
[0019] 根据第一方面的第三种可能实现的方式，在第四种可能实现的方式中，所述方法， 还包括：
[0020] 分别获取所述每个目标对象所对应的置信度向量与中位数向量之间的距离；所述 每个目标对象所对应的置信度向量为所述S个信息源对所述每个目标对象的置信度；
[0021] 分别根据所述每个目标对象所对应的置信度向量与所述中位数向量之间的距离、 及可信阈值判断所述每个目标对象的综合参考信息是否可信。
[0022] 根据第一方面的第四种可能实现的方式，在第五种可能实现的方式中，所述分别 根据所述每个目标对象所对应的置信度向量与所述中位数向量之间的距离、及可信阈值判 断所述每个目标对象的综合参考信息是否可信，包括：
[0023] 若所述目标对象所对应的置信度向量与所述中位数向量之间的距离小于所述可 信阈值，则所述目标对象的综合参考信息可信；
[0024] 若所述目标对象所对应的置信度向量与所述中位数向量之间的距离大于或等于 所述可信阈值，则所述目标对象的综合参考信息不可信。
[0025] 根据第一方面的第四种或第五种可能实现的方式，在第六种可能实现的方式中， 所述分别获取所述每个目标对象所对应的置信度向量与中位数向量之间的距离之前，还包 括：
[0026] 根据置信度矩阵，确定所述每个目标对象所对应的置信度向量及所述中位数向 量；所述置信度矩阵包括所述S个信息源对所有目标对象的置信度。
[0027] 根据第一方面的第六种可能实现的方式，在第七种可能实现的方式中，所述根据 置信度矩阵，确定所述每个目标对象所对应的置信度向量及所述中位数向量，包括：
[0028] 将所述置信度矩阵的列，确定为所述每个目标对象所对应的置信度向量；
[0029] 将所述置信度矩阵各行的中位数，确定为所述中位数向量。
[0030] 根据第一方面的第六种或第七种可能实现的方式，在第八种可能实现的方式中， 所述根据置信度矩阵，确定所述每个目标对象所对应的置信度向量及所述中位数向量之 前，还包括：
[0031] 分别获取所述每个目标对象的第一列向量与第二列向量的距离之和，并将所述距 离之和确定为所述S个信息源对所述每个目标对象的置信度；生成所述S个信息源对所有 目标对象的置信度
[0032] 根据所述S个信息源对所有目标对象的置信度，生成所述置信度矩阵。
[0033] 第二方面，本发明实施例还提供一种评价信息处理装置，包括：
[0034] 采集模块，用于分别采集S个信息源中的评价信息，其中，每一条评价信息用于表 示一个用户对一个目标对象的评价；其中，S> 2 ;
[0035] 生成模块，用于根据每个信息源中的评价信息，分别为每个信息源生成一个信息 矩阵；其中，每个信息矩阵的行对应于评价信息所对应的的用户，每个信息矩阵的列对应于 评价信息所针对的目标对象；
[0036] 分解模块，用于将所述S个信息源中每个信息源的信息矩阵分解为一个用户组矩 阵和一个用户组信息矩阵，以得到S个用户组矩阵和S个用户组信息矩阵；其中，每个信息 源的信息矩阵分解后得到的用户组矩阵和用户组信息矩阵分别为N行XC列的矩阵和C 行XK列的矩阵，其中，N为从该信息源中采集到的评价信息所对应的用户个数；K为从该信 息源中采集到的评价信息中，针对相同目标对象的评价信息的个数；C为预设正整数且C不 大于所述S个信息源中各个信息源的评价信息所对应的用户个数的最小值；
[0037] 计算模块，用于分别根据所述S个信息源对每个目标对象的权重，对所述S个用户 组矩阵和所述S个用户组信息矩阵中与该目标对象所对应的元素进行加权计算，并将所述 加权计算的结果作为该目标对象的综合参考信息，以使用户根据各个目标对象的综合参考 信息选择对应的目标对象。
[0038] 根据第二方面，在第一种可能实现的方式中，所述分解模块，具体用于将所述S个 信息源中每个信息源的信息矩阵进行矩阵分解，使得至少一个矩阵组；其中，每个矩阵组包 括一个第一矩阵，以及与其对应的一个第二矩阵；分别获取每个信息源的信息矩阵分解后 所获得的每个第二矩阵与其他信息源的信息矩阵分解所获得的各个第二矩阵的距离之和； 将所述距离之和最小的第二矩阵，确定为所述每个信息矩阵所对应的一个用户组信息矩 阵，将所述距离之和最小的第二矩阵所对应的第一矩阵，确定为所述一个用户组信息矩阵 所对应的用户组矩阵，从而得到所述S个用户组矩阵和所述S个用户组信息矩阵。
[0039] 根据第二方面至第二方面的第一种可能实现的方式，在第二种可能实现的方式 中，所述评价信息处理装置，还包括：
[0040] 获取模块，用于所述计算模块根据所述S个信息源对每个目标对象的权重，对所 述S个用户组矩阵和所述S个用户组信息矩阵中与该目标对象所对应的元素进行加权计算 之前，分别获取所述S个信息源对所述每个目标对象的权重。
[0041] 根据第二方面的第二种可能实现的方式，在第三种可能实现的方式中，所述获取 模块，具体包括：相似度获取单元，用于分别获取所述每个目标对象所对应的用户组信息矩 阵中第一列向量与第二列向量的相似度；其中，所述第一列向量为每个信息矩阵所对应的 用户组信息矩阵的列向量；所述第二列向量为其他信息矩阵所对应的用户组信息矩阵的列 向量；
[0042] 权重确定单元，用于确定所述第一列向量与所述第二列向量的最大相似度，并将 所述最大相似度确定为所述S个信息源对所述每个目标对象的权重。
[0043] 根据第二方面的第三种可能实现的方式，在第四种可能实现的方式中，所述获取 模块，还用于分别获取所述每个目标对象所对应的置信度向量与中位数向量之间的距离； 所述每个目标对象所对应的置信度向量为所述S个信息源对所述每个目标对象的置信度； [0044] 所述评价信息处理装置，还包括：
[0045] 判断模块，用于分别根据所述每个目标对象所对应的置信度向量与所述中位数向 量之间的距离、及可信阈值判断所述每个目标对象的综合参考信息是否可信。
[0046] 根据第二方面的第四种可能实现的方式，在第五种可能实现的方式中，所述判断 模块，具体用于：若所述目标对象所对应的置信度向量与所述中位数向量之间的距离小于 所述可信阈值，则所述目标对象的综合参考信息可信；若所述目标对象所对应的置信度向 量与所述中位数向量之间的距离大于或等于所述可信阈值，则所述目标对象的综合参考信 息不可信。
[0047] 根据第二方面的第四种或第五种可能实现的方式，在第六种可能实现的方式中， 所述评价信息处理装置还包括：确定模块，用于所述获取模块分别获取所述每个目标对象 所对应的置信度向量与中位数向量之间的距离之前，根据置信度矩阵，确定所述各目标对 象所对应的置信度向量及所述中位数向量；所述置信度矩阵包括所述S个信息源对所有目 标对象的置信度。
[0048] 根据第二方面的第六种可能实现的方式，在第七种可能实现的方式中，所述确定 模块，具体用于将所述置信度矩阵的列，确定为所述每个目标对象所对应的置信度向量；将 所述置信度矩阵各行的中位数，确定为所述中位数向量。
[0049] 根据第二方面的第六种或第七种可能实现的方式，在第八种可能实现的方式中， 所述获取模块，还用于所述确定模块根据所述置信度矩阵，确定所述每个目标对象所对应 的置信度向量及所述中位数向量之前，分别获取所述每个目标对象的第一列向量与第二列 向量的距离之和；
[0050] 所述确定模块，