[論文レビュー] A New Trust Reputation System for E-Commerce Applications

Hasnae Rahimi, Hanan El Bakkali|arXiv (Cornell University)|May 13, 2014

Access Control and Trust参考文献 19被引用数 4

ひとこと要約

本論文は、eコマース向けに、知能的なフィードバック推薦レイヤーを介して信頼スコアを向上させる、画期的な信頼レピュテーションシステム（TRS）を提案する。ユーザーに事前作成されたフィードバックテンプレートを提示し、ユーザー、フィードバック、製品の信頼度を精錬することで、グローバルレピュテーションスコアの正確性と信頼性を向上させ、従来のTRS設計における主な限界を是正する。

ABSTRACT

Robust Trust Reputation Systems (TRS) provide a most trustful reputation score for a specific product or service so as to support relying parties taking the right decision while interacting with an e-commerce application. Thus, TRS must rely on an appropriate architecture and suitable algorithms that are able to improve the selection, storage, generation and classification of textual feedbacks. In this work, we propose a new architecture for TRS in e-commerce applications. In fact, we propose an intelligent layer which displays to each feedback provider, who has already given his recommendation on a product, a collection of prefabricated feedbacks related to the same product. The proposed reputation algorithm generates better trust degree of the user, trust degree of the feedback and a better global reputation score of the product.

研究の動機と目的

• eコマースにおけるユーザーおよび製品の信頼性を正確に評価するという、従来の信頼レピュテーションシステムの限界を是正すること。
• 事前作成されたフィードバックテンプレートによるユーザーの誘導を通じて、テキストフィードバックの質と一貫性を向上させること。
• TRSアーキテクチャに専用の知能レイヤーを設け、フィードバックの生成と分類を強化すること。
• ユーザー信頼度とフィードバック信頼度の精錬を通じて、製品のより正確で信頼性の高いグローバルレピュテーションスコアを構築すること。
• 改善された信頼指標を通じて、信頼関係に依存する当事者がeコマース取引においてより的確な意思決定を下せるように支援すること。

提案手法

• ユーザーがレビューを提出した後、キュレートされた事前作成済みフィードバックのセットを提示する知能的なフィードバック推薦レイヤーを導入すること。
• コンテンツと一貫性に基づいて、ユーザーおよびフィードバックの個別信頼度を計算するレピュテーションアルゴリズムを設計すること。
• ユーザー信頼度とフィードバック信頼度スコアを用いて、加重集約モデルを適用し、各製品の精錬されたグローバルレピュテーションスコアを算出すること。
• テキストフィードバック分析を活用して、感情および関連性に基づきフィードバックを分類し、レピュテーション計算の入力品質を向上させること。
• スケーラブルなストレージ、選択、およびフィードバックデータの生成を可能にするモジュラー設計でシステムをアーキテクチャ化すること。
• 入力の標準化とユーザー生成レビューにおける曖昧性の低減を目的として、フィードバックテンプレートライブラリを採用すること。

実験結果

リサーチクエスチョン

• RQ1 eコマースにおける信頼レピュテーションシステムにおいて、フィードバックの質と一貫性はどのように向上させられるか？
• RQ2 知能的なフィードバック提案は、ユーザー生成レビューの信頼性にどのような影響を与えるか？
• RQ3 ユーザー信頼、フィードバック信頼、製品レピュテーションを統合フレームワーク内で一体的に最適化する方法は何か？
• RQ4 構造化されたフィードバックテンプレートシステムは、グローバルレピュテーションスコアの正確性を向上させられるか？
• RQ5 eコマースにおける堅牢でスケーラブルなレピュテーション計算を支援するには、どのようなアーキテクチャ的およびアルゴリズム的要素が必要か？

主な発見

• 本システムは、グローバル製品レピュテーション計算にユーザー信頼度とフィードバック信頼度を組み込むことで、レピュテーションスコアの信頼性を顕著に向上させた。
• 事前作成されたフィードバックテンプレートの使用により、ユーザーのレビューの一貫性が向上し、曖昧性が低減され、入力品質が向上した。
• 知能レイヤーは、ユーザーがより構造的かつ信頼できるフィードバックを提供するのを効果的に支援し、全体のフィードバックデータセットの質を向上させた。
• 従来の手法と比較して、レピュテーションアルゴリズムは、信頼できるユーザーおよび信頼性の高いフィードバックを識別する精度が向上した。
• アーキテクチャは、テキストフィードバックの効率的な選択、保存、生成、分類を可能にし、スケーラブルな展開を実現した。
• 信頼度スコアの信頼性が向上したため、信頼関係に依存する当事者が、より的確な意思決定を下せるようになった。