在线用户打分行为长记忆效应与信任关系研究

作     者：郭昕宇 郭强 刘建国 Guo Xinyu;Guo Qiang;Liu Jianguo

作者机构：上海理工大学复杂系统科学研究中心 

出 版 物：《计算机应用研究》 (Application Research of Computers)

年 卷 期：2019年第36卷第8期

页      面：2275-2278页

学科分类：08[工学] 0835[工学-软件工程] 081202[工学-计算机软件与理论] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金面上项目(6173248 71771152) 

主　　题：集群行为 信任关系 去趋势波动分析法 赫斯特指数 

摘      要：对在线打分行为的动态研究能够帮助深入理解社交网络用户集群行为和信任关系的演化机制,当前许多在线系统用户能够通过对物品进行打分传达自己的观点。通过去趋势波动分析法研究了用户打分行为在信任关系建立前后的长记忆效应,并通过随机化打分时间和信任时间建立零模型,最后进行用户打分行为异质性分析。采用Epinions数据集进行实证研究,结果表明用户打分的长记忆效应在信任关系建立前出现下降趋势(8.06%),并于之后逐步回升(8.43%),而在两个零模型中赫斯特指数分别稳定在0.5和0.6左右,且用户长记忆效应变动与用户度呈正相关,Pearson相关系数分别为0.9358和0.9278。该工作有助于深入理解用户集群行为和信任关系的动态演化机制。