CN106204142A - 用于识别具有动机的评论者的***和方法 - Google Patents

用于识别具有动机的评论者的***和方法 Download PDF

Info

Publication number
CN106204142A
CN106204142A CN201610548566.7A CN201610548566A CN106204142A CN 106204142 A CN106204142 A CN 106204142A CN 201610548566 A CN201610548566 A CN 201610548566A CN 106204142 A CN106204142 A CN 106204142A
Authority
CN
China
Prior art keywords
comment
group
attribute
commentator
website
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201610548566.7A
Other languages
English (en)
Inventor
R·H·奥海依比
S·莫
T·科伦贝格
M·A·米安
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Intel Corp
Original Assignee
Intel Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Intel Corp filed Critical Intel Corp
Publication of CN106204142A publication Critical patent/CN106204142A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0282—Rating or review of business operators or products
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0631—Item recommendations

Landscapes

  • Business, Economics & Management (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Engineering & Computer Science (AREA)
  • General Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Game Theory and Decision Science (AREA)
  • Data Mining & Analysis (AREA)
  • Information Transfer Between Computers (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

一种***和方法包括：从电子商务网站获取评论，通过专门编程的机器生成与评论者的评论有关的统计值，通过所述机器识别具有指示被给予报酬的评论者的统计值的评论者，通过所述机器为评论者产生分数，该分数指示每个评论者是被给予报酬的评论者的可能性。该方法可以进一步或可替代地包括：通过专门编程的机器监测用户与电子商务生成的关于产品评论的内容的交互，以及响应于这样的用户交互，通过所述机器提供评论者分数，其中，所述分数表示生成所述分数的评论者关于提供评论而被给予报酬的可能性。

Description

用于识别具有动机的评论者的***和方法
本申请是申请日为2011年12月28日、申请号为201180075962.8的同名中国发明专利申请的分案申请。
背景技术
许多电子商务网站便于使用移动应用来扫描产品图片并获取即时信息，诸如价格、详细信息、评论和类似产品的推荐。可以非常高效地购买产品。一些用户甚至使用电子商务网站作为评论的来源，而在别处购买产品。
至少一个电子商务网站通过直接付款或免费产品的方式来为书写评论提供报酬。通过应用与“小费点”(tipping points)有关的来自社交网络的原理而产生被给予报酬的评论者的仅邀请网络。通过检查几个属性来识别评论者并邀请其成为被给予报酬的评论者的网络的一部分。被给予报酬的评论者通常是其社交网络中的关于一主题有影响力的人，并且可以通过对几个属性的检查而被识别。被给予报酬的评论者经常是似乎说服别人购买产品的人。在Malcolm Gladwell发表The Tipping Point:How Little Things Can Make a Big Difference之后，小费点原理已在电子商务领域变得很流行。
由于被给予报酬的评论者的增长，许多评论可能不再是产品和商品的公正评论来源。此外，对于普通消费者而言通常不可能从评论列表中识别出来自被给予报酬的评论者的评论，这是因为电子商务网站通常并不公布该信息。消费者对于能够相信哪些评论茫然不知。
附图说明
图1是示出了根据示例性实施例用于向用户提供关于产品评论者的信息的架构的框图。
图2是示出了根据示例性实施例用于向用户提供与电子商务产品评论者有关信息的方法的流程图。
图3是根据示例性实施例的电子商务网站的显示的框图。
图4是示出了根据示例性实施例向电子商务上的产品评论者分配分数的方法的流程图。
图5是实现根据示例性实施例的方法的计算机***的框图。
具体实施方式
在下面的描述中，参考了形成其一部分的附图，并且在附图中，通过例子的方式示出了可以实施的具体实施例。这些实施例被足够详细地描述以使本领域的技术人员能够实施本发明，并且应当理解的是，在不脱离本发明的范围的情况下，可以使用其他实施例，并且可以进行结构、逻辑和电改变。因此，以下对示例性实施例的描述不应当以受限的意义来理解，并且本发明的范围是由所附的权利要求限定的。
在一个实施例中，本文所描述的功能或算法可以用软件或软件和人为实现的过程的组合来实现。软件可以包括存储在至少一个计算机可读介质(诸如存储器或其他类型的存储设备)上的计算机可执行指令。此外，这些功能对应于模块，所述模块是软件、硬件、固件或它们的任意组合。根据需要，可以用一个或多个模块来执行多个功能，并且所描述的实施例仅仅是例子。软件可以在数字信号处理器、ASIC、微处理器或计算机***(诸如个人计算机、服务器或其他计算机***)上运行的其它类型的处理器上执行。
图1是示出了用于向用户提供关于产品评论者的信息的架构100的框图。***110从一个或多个电子商务(e-商务)***115获取关于评论者的信息。从电子商务网站获取与产品评论和评论者有关的属性。在一些实施例中，***110经由网络连接117爬行电子商务***115，以获取与评论者以及每个评论者对各个产品的评论的数量有关的信息。该信息可以以多种不同的方式来收集，包括使用监视器或其它设备来监视诸如因特网RSS(真正简单整合-通常用于发布频繁更新的信息)供应(feed)之类的供应，这与蛮力爬行不同。网络连接可以是到网络(例如因特网或其他专用或公共类型的网络)的任何类型的无线或硬连线的连接。
评论者分析器120利用所收集的信息来创建用户简档125、评论130和产品信息135。这些创建的数据结构可以存储在***110上或评论者分析器120能够访问的其他地方。***110还推导与评论和评论者有关的统计特性。例如，可以推导并存储每个评论者的评论数量的均值和标准偏差、每个评论的意见数量以及每个评论的有帮助投票的数量。如果一个人位于统计测量的上层(这意味着他们具有大量的评论并且在其评论的很大比例上具有高于正常水平数量的意见和投票)，那么该评论者被给予了报酬的可能性就较大。
在一个实施例中，使用所收集的属性来识别电子商务网站的可能被给予了报酬的评论者。还可以在评论者简档125中提供分数。分数可以与评论者属于电子商务网站的被给予了报酬的评论者的网络的概率成比例。还可以在评论者简档125中提供标识分数是如何被分配的信息以及对分数有贡献的因素。在多个电子商务网站上能够关联评论者的情况下，从这些网站收集的数据可以被组合以生成每个电子商务网站的一个或多个评论者分数。
用户***140包含允许用户访问电子商务***115和查看产品信息以及与用户正在查看的产品相关联的评论的功能单元。***140可以包含正在***上执行的网页浏览器150。在一个实施例中，浏览器插件145被添加到网页浏览器150并监视用户与每个电子商务***的交互。在各个实施例中，当用户放置光标或以其他方式选择从电子商务***115显示的评论者时，浏览器插件145使用网络连接155、按照产品或评论者来查询评论者分析器120。插件145从而在电子商务(e-商务)网站的顶部提供一个层。插件145检测用户何时在评论上悬停或点击，并促进相关联的评论者的分数的显示，所述分数反映了该评论者是特定e-商务网站的被给予报酬的评论者的可能性。
评论者分析器120获得评论者信息，并通过网络连接160向用户提供与评论者是否可能是被给予报酬的评论者有关的指示。在160处提供的指示可以包括分数，它可以是任何类型的分数，例如刻度上的字母数字标识符，或者甚至是诸如“不可能被给予了报酬”或“可能被给予了报酬”之类的语言指示符。其他指示符可以使用用户熟悉的语言，例如“同行评论”或“激励评论。”
在一些实施例中，该指示包含进一步的信息或者关于评论者进一步信息的链接，例如为评论者分配分数的原因。这些信息可以包括：相关产品的评论数量，在评论的较大比例上的高于正常水平数量的意见、投票，与评论有关的评论者日志的分析，以及当电子商务网站改变它们识别并奖励被给予报酬的评论者的方式时可能采用的其他参数。该信息可以帮助消费者决定他们在进行购买决定时应该如何认真地考虑评论。在一些实施例中，用户正在查看的页面上的所有评论可以具有与所显示的评论相关联的评论者分数。
图2是示出了为用户提供有关电子商务产品评论者的信息的方法200的流程图。在一些实施例中，产品包括产品和服务以及可以被消费者购买的任何类型的商品。方法200包括：在210处监测用户与电子商务生成的关于产品评论的内容的交互。在一些实施例中，可以通过在用户设备上执行的浏览器插件145来监测用户交互。
在215处，基于用户交互来查询服务器。该查询可以通过评论者姓名或ID来标识评论者，并且还可以包括对评论所出现的电子商务网站和可选地正被评论的产品进行标识的信息。在220处，响应于这样的用户交互向用户提供评论者分数。该分数可以表示产生该分数的评论者关于提供评论被给予了报酬的可能性。在225处，可以在显示设备上显示分数。评论者可以包括到进一步信息的链接，该信息描述对评分做出贡献的参数。
图3是电子商务网站的显示300的框图，示出了通过浏览器插件145提供的评论者310和相关联的分数315。在一个实施例中，该显示提供了投票机制317，以允许用户对分数投票。在一些实施例中，可以提供细节320。在各个实施例中，这些细节可以与分数一起显示，或者可以被链接到分数并接着分数显示或在另外的窗口中显示。
图4是示出了根据示例性实施例给电子商务网站上的产品评论者分配分数的方法400的流程图。在410处，从电子商务网站获得评论。所述评论可通过蛮力爬行电子商务网站来获得，或者可以使用诸如RSS供应之类的电子供应来获取所述评论。在一些实施例中，除了评论以外，还可以获得电子商务网站上的评论者简档。可以从多于一个的电子商务网站获取评论。虽然由于评论者可能具有不同的用户id而可能很难在这些不同的网站之间对他们进行关联，但是该信息仍然可能有益。来自不同网站的信息可以指示评论者是否仅被一个网站给予报酬，或者看起来被许多不同的网站给予报酬。因此，用户在不同网站上的行为和所收集的参数的差可以指示该用户在每个网站上是否被给予报酬。
在420处，生成与评论和相关联的评论者有关的统计值。将生成的统计值可以基于来自社交网络的原理和公共信息，以便识别用户是否是被给予报酬的一组评论者中的成员。例如，在一个实施例中，可以生成每个评论者的评论数量的均值和标准偏差、每个评论的意见数量以及每个评论的有帮助投票的数量。
在一个实施例中，自然语言处理器可以用于扫描所有可用的评论，并在多个评论中出现的评价措辞中搜索重复使用的相关短语。该信息可以用于确定评论者是否可能与相同或不同网站和服务上的其他评论者相同。如果确定评论是来自同一评论者的，那么这些评论可以加入到该评论者并与所生成的统计值进行比较，以确定该评论者是否可能是被给予报酬的评论者。如果相同的评价在位置和网站之间被剪切并粘贴，那么它可能表明是评论者的追随者或同一个评论者。
在进一步的实施例中，评论者的分数也可以是该评论者是否具有博客并已在他们的博客上张贴评论、或甚至他们的博客属于与评论有关的主题的函数。在一个示例中，评论者具有烹饪博客，并且他们已经评论了炊具和小工具。这将对他们的分数有贡献，并且可以通过查看他们的简档并检查在简档中标识的博客而进行提取。
在430处，识别具有指示被给予报酬的评论者的所选属性的评论者。如果一个评论者具有大量的评论，与其他评论者相比，在其评论的很大比例上具有高于正常水平数量的意见和投票，那么他们是被给予报酬的评论者的可能性就较高。如果评论者只有一个评论，那么他们被给予报酬的可能性较低。如果评论者具有对类似产品的三个或更多个评论，那么可能超过阈值，该阈值指示与该参数相关联的可能性较高。在一些实施例中，每个参数的阈值可以被建立和加权。然后可能性分数可以简单地是每个参数的阈值是否被超过的和。如果有三个参数，并且给每个参数分配一或零，那么总分数为零将导致非常低的可能性。如果三个参数都被超过了，那么分数为三将表明非常高的可能性。
为了在440处验证所选的评论者是否将被识别为可能的被给予报酬的评论者，利用了来自电子商务网站的评论者简档信息。参数可以包括评论者排名、评论的产品的主题和类型、评论者是否具有评论产品的网页或博客(表明他们更可能被给予报酬)和评论的频率(被给予报酬的评论者倾向于以接近均匀的间隔更一致地进行发布)。一旦被验证，就在450处给每个评论者分配分数。在460处，将关于每个评论者的分数的细节与分数链接起来。
图5是实现根据示例性实施例的方法的计算机***的框图。在图5所示的实施例中，提供了硬件和操作环境，该硬件和操作环境适用于在其它附图中示出的服务器和/或远程客户端中的任何一个，诸如***110和用户***140。在一些实施例中，用户***可以是智能电话、平板电脑或可以向电子商务***(例如网站)提供访问和交互能力的其他联网设备。这样的设备不需要具有图5中包括的所有组件。
如图5中所示的，硬件和操作环境的一个实施例包括计算机500形式的通用计算设备(例如，个人计算机、工作站或服务器)，所述计算机500包括一个或多个处理单元521、***存储器522和***链路523，该***链路523可操作地将包括***存储器522在内的各种***组件耦合至处理单元521。可以仅有一个或者可以有多于一个的处理单元521，使得计算机500的处理器包括单个处理单元或多个处理单元，通常被称为多处理器或并行处理器环境。在各种实施例中，计算机500是常规的计算机、分布式计算机或者任何其他类型的计算机。
***链路523可以是几种类型的总线结构中的任何一种，所述总线结构包括使用各种总线体系结构中的任何一种的存储器总线或存储器控制器、***总线以及本地总线。***存储器还可以被简称为存储器，并且在一些实施例中，包括只读存储器(ROM)524和随机存取存储器(RAM)525。基本输入/输出***(BIOS)程序526可以被存储在ROM 524中，该基本输入/输出***程序526包含基本例程，所述基本例程例如在启动期间帮助在计算机500内的元件之间传送信息。计算机500还包括用于从硬盘(未示出)读出和向硬盘写入的硬盘驱动器527、用于从可移动磁盘529读出或向可移动磁盘529写入的磁盘驱动器528以及用于从可移动光盘531(诸如CD ROM或其他光学介质)读出或向可移动光盘531写入的光盘驱动器530。
硬盘驱动器527、磁盘驱动器528和光盘驱动器530分别与硬盘驱动器接口532、磁盘驱动器接口533和光盘驱动器接口534耦合。驱动器及其关联的计算机可读介质提供计算机可读指令、数据结构、程序模块和用于计算机500的其它数据的非易失性存储。本领域技术人员应当理解，在示例性操作环境中可以使用能够存储可由计算机访问的数据的任何类型的计算机可读介质，例如磁带盒、闪存卡、数字视频盘、伯努利盒式磁带、随机存取存储器(RAM)、只读存储器(ROM)、独立磁盘冗余阵列(例如RAID存储设备)等。
多个程序模块可以存储在硬盘、磁盘529、光盘531、ROM 524或RAM 525上，包括操作***535、一个或多个应用程序536、其他程序模块537和程序数据538。用于实现本文描述的一个或多个过程或方法的程序可以驻留在这些计算机可读介质中的任何一个或多个上。
用户可以通过诸如键盘540和指示设备542之类的输入设备向计算机500输入命令和信息。其他输入设备(未示出)可以包括话筒、操纵杆、游戏垫、圆盘式卫星天线、扫描仪等。这些其他输入设备通常通过耦合到***链路523的串行端口接口546连接到处理单元521，但是也可以通过其它接口连接，例如并行端口、游戏端口或通用串行总线(USB)。监视器547或其他类型的显示设备也可以通过接口(视频适配器548)连接到***链接523。监视器547可以为用户显示图形用户界面。除了监视器547以外，计算机通常还包括其他***输出设备(未示出)，例如扬声器和打印机。
计算机500使用到一个或多个远程计算机或服务器(诸如远程计算机549)的逻辑连接而工作在联网环境中。通过耦合到计算机500或作为计算机500的一部分的通信设备来实现这些逻辑连接；本发明并不限于特定类型的通信设备。远程计算机549可以是另一计算机、服务器、路由器、网络PC、客户端、对等设备或其他公共网络节点，并且包括上面相对于计算机500所描述的I/O元件中的许多或全部，虽然只有一个存储器存储设备550已被示出。图5中描述的逻辑连接包括局域网(LAN)551和/或广域网(WAN)552。这样的联网环境在办公室网络、企业范围的计算机网络、内联网和互联网中是常见的，这些是所有类型的网络。
当在LAN联网环境中使用时，计算机500通过网络接口或适配器553(这是一种类型的通信设备)连接到LAN 551。在一些实施例中，当在WAN联网环境中使用时，计算机500通常包括调制解调器554(另一种类型的通信设备)或任何其他类型的通信设备(例如，无线收发机)，用于在广域网552(诸如互联网)上建立通信。可以是内部的或外部的调制解调器554通过串行端口接口546连接到***链路523。在联网环境中，相对于计算机500描述的程序模块可以存储在远程计算机或服务器549的远程存储器存储设备550中。可以理解的是，所示的网络连接是示例性的，可以使用在计算机之间建立通信链路的其它方式和用于在计算机之间建立通信链路的通信设备，包括混合光纤同轴连接、T1-T3线路、DSL(数字用户环路)、OC-3(具有3x51.84M比特/秒的传输速率的光载波)和/或OC-12(具有12x51.84M比特/秒的传输速率的光载波)、TCP/IP(传输控制协议/互联网协议)、微波、无线应用协议以及通过任何合适的交换机、路由器、插座和电源线的任何其他电子介质，这些都是本领域的普通技术人员已知和理解的。
示例：
1.一种用于识别被给予报酬的评论者的示例性方法，所述方法包括：通过专门编程的机器监测用户与电子商务生成的关于产品评论的内容的交互；以及响应于这样的用户交互，通过所述机器提供评论者分数，其中，所述分数表示产生分数的评论者关于提供评论而被给予报酬的可能性。
2.如示例1所述的示例性方法，其中，所述用户交互是通过在用户计算机***上执行的浏览器插件来监测的。
3.如示例1或2所述的示例性方法，并且进一步包括：基于所述用户交互对服务器进行查询；并从所述服务器接收所述分数，其中，提供评论者分数包括在显示设备上显示所述评论者分数。
4.如示例3所述的示例性方法，其中，在所述显示设备上显示所述评论者分数包括：提供到进一步信息的链接，所述进一步信息描述对所述分数有贡献的参数。
5.如示例4所述的示例性方法，其中，所述参数包括评论者对类似产品或相同种类产品的评论的数量。
6.如示例4所述的示例性方法，其中，所述参数包括对他们的评论的投票。
7.如示例1、2、3、4、5或6所述的示例性方法，其中，所述评论者分数是针对相关产品的评论者博客的函数。
8.具有在其上存储的指令的至少一个计算机可读存储设备，所述指令用于使得计算机实现示例1-7所述的方法中的一种。
9.一种用于识别被给予报酬的评论者的示例性方法，所述方法包括：从电子商务网站获取评论；通过专门编程的机器产生与评论者的评论有关的统计值；通过所述机器识别具有指示被给予报酬的评论者的统计值的评论者；以及通过所述机器为所述评论者产生分数，所述分数指示每个评论者是被给予报酬的评论者的可能性。
10.如示例9所述的示例性方法，并且进一步包括：通过通信网络从用户***接收与电子商务网站上的评论者有关的查询；以及向所述用户***提供所述分数，以在显示设备上显示。
11.如示例10所述的示例性方法，其中，提供所述评论者分数包括：提供到进一步信息的链接，所述进一步信息描述对所述分数有贡献的参数。
12.如示例11所述的示例性方法，其中，所述参数包括评论者对类似产品的评论的数量以及对他们的评论的投票。
13.如示例9所述的示例性方法，并且进一步包括：从所述电子商务网站获取评论者简档；以及使用来自所获取的简档的信息来验证所识别的被给予报酬的评论者。
14.具有存储于其上的指令的至少一个计算机可读存储设备，所述指令用于使得计算机实现用于识别被给予报酬的评论者的方法，所述方法包括：从电子商务网站获取评论；通过专门编程的机起生成与评论者的评论有关的统计值；通过所述机器识别具有指示被给予报酬的评论者的统计值的评论者；以及通过所述机器为评论者产生分数，所述分数指示每个评论者是被给予报酬的评论者的可能性。
15.如示例14所述的示例性计算机可读存储设备，并且进一步包括：通过通信网络从用户***接收与电子商务网站上的评论者有关的查询；并向所述用户***提供所述分数，以在显示设备上显示。
16.如示例14所述的示例性计算机可读存储设备，其中，提供评论者分数包括：提供到进一步信息的链接，所述进一步信息描述对所述分数有贡献的参数。
17.如示例16所述的示例性计算机可读存储设备，其中，所述参数包括评论者对类似产品的评论的数量以及对他们的评论的投票。
18.如示例15所述的示例性计算机可读存储设备，并且进一步包括：从电子商务网站获取评论者简档；以及使用来自所获取的简档的信息来验证所识别的被给予报酬的评论者。
19.一种用于识别被给予报酬的评论者的示例性***，所述***包括：监视器，监测用户与电子商务生成的关于产品评论的内容的交互；以及显示器，响应于这样的用户交互，提供评论者分数，其中，所述分数表示生成所述分数的评论者关于提供评论而被给予报酬的可能性。
20.如示例19所述的示例性***，并且进一步包括：查询接口，基于所述用户交互对服务器进行查询；以及接收器，用于从所述服务器接收所述分数，并向所述显示器提供所述分数。
21.如示例18或19所述的示例性***，其中，所述显示器提供到进一步信息的链接，所述进一步信息描述对所述分数有贡献的参数，并且其中，所述参数包括评论者对类似产品或相同种类产品的评论的数量。
22.如示例19所述的示例性***，其中，所述监视器包括浏览器插件。
23.一种用于识别被给予报酬的评论者的示例性***，所述***包括：显示器，从电子商务网站获取评论；分析器，通过专门编程的机器生成与评论者的评论有关的统计值，所述分析器识别具有指示被给予报酬的评论者的统计值的评论者，并且所述分析器通过所述机器为评论者产生分数，所述分数指示每个评论者是被给予报酬的评论者的可能性。
24.如示例23所述的示例性***，进一步包括服务器，通过通信网络从用户***接收与电子商务网站上的评论者有关的查询，并向所述用户***提供分数，以在显示设备上显示。
25.如示例23所述的示例性***，其中，所述服务器提供到进一步信息的链接，所述进一步信息描述对分数有贡献的参数。
26.如示例25所述的示例性***，其中，所述参数包括评论者对类似产品的评论的数量以及对他们的评论的投票。
27.如示例23所述的示例性***，其中，所述分析器从电子商务网站获取评论者简档，并使用来自所获取的简档的信息来验证所识别的被给予报酬的评论者。
虽然已经在上面详细地描述了几个实施例，但是其它的修改是可能的。例如，在附图中描绘的逻辑流程并不需要所示的特定顺序或连续顺序以实现期望的结果。可以提供其他的步骤，或者可以从所描述的流程中删除步骤，并且可以向所描述的***添加其他组件，或者可以从所描述的***移除其他组件。其他实施例可以在以下权利要求的范围之内。

Claims (44)

1.一种用于指示网站上的不可靠评论的***，所述***包括：
至少一个处理器；
至少一个机器可读存储器，其包括指令，所述指令在被所述至少一个处理器执行时使得所述至少一个处理器：
累积与贡献给所述网站的评论相对应的一组数据；
根据所累积的一组数据来计算所述评论的作者向所述网站贡献评论的频率；
确定一组评论属性与一模型之间的偏差，所述一组评论属性包括所述评论的作者向所述网站贡献评论的频率；以及
基于所述偏差将关于所述评论不可靠的指示与所述评论存储在一起，所述指示被所述网站用于修改包括所述评论的网页的显示。
2.如权利要求1所述的***，其中，贡献给所述网站的所述评论与单个产品、单个服务或单个交易相对应。
3.如权利要求1所述的***，所述指令还用于：
使用所述评论的文本来搜索在所述网站上公布的其它评论；以及
确定包含所述评论的文本的其它评论的数量，所述一组评论属性还包括包含所述评论的文本的其它评论的数量。
4.如权利要求3所述的***，还包括：确定所述评论的文本的语法结构与在所述网站上公布的其它评论的语法结构之间的相似性，所述一组评论属性还包括关于所述相似性的指示。
5.如权利要求1所述的***，所述一组评论属性还包括所述评论的作者的评论者排名。
6.如权利要求1所述的***，所述一组评论属性还包括从所述网站的其它用户接收到的针对所述评论的投票的数量。
7.如权利要求1所述的***，其中，所述模型包括与所述一组评论属性相对应的阈值。
8.如权利要求1所述的***，其中，所述模型包括一组阈值，所述一组阈值中的每一个阈值与所述一组评论属性中的相应评论述属性相对应。
9.如权利要求1所述的***，其中，所述模型包括与其它评论者贡献给所述网站的评论相对应的一组评论属性的标准分布。
10.如权利要求9所述的***，其中，所述标准分布包括所述其它评论者向所述网站贡献评论的频率的标准分布，并且其中，所述偏差是基于所述评论的作者向所述网站贡献评论的频率在所述其它评论者向所述网站贡献评论的频率的标准分布之外的计算来确定的。
11.如权利要求1所述的***，所述一组评论属性还包括所述评论的作者贡献给所述网站的评论的数量。
12.至少一个机器可读介质，包括用于指示网站上的不可靠评论的指令，所述指令在被至少一个处理器执行时，使得机器：
累积与贡献给所述网站的评论相对应的一组数据；
根据所累积的一组数据来计算所述评论的作者向所述网站贡献评论的频率；
确定一组评论属性与一模型之间的偏差，所述一组评论属性包括所述评论的作者向所述网站贡献评论的频率；以及
基于所述偏差将关于所述评论不可靠的指示与所述评论存储在一起，所述指示被所述网站用于修改包括所述评论的网页的显示。
13.如权利要求12所述的至少一个机器可读介质，其中，贡献给所述网站的所述评论与单个产品、单个服务或单个交易相对应。
14.如权利要求12所述的至少一个机器可读介质，还包括用于以下操作的指令：
使用所述评论的文本来搜索在所述网站上公布的其它评论；以及
确定包含所述评论的文本的其它评论的数量，所述一组评论属性还包括包含所述评论的文本的其它评论的数量。
15.如权利要求14所述的至少一个机器可读介质，还包括：确定所述评论的文本的语法结构与在所述网站上公布的其它评论的语法结构之间的相似性，所述一组评论属性还包括关于所述相似性的指示。
16.如权利要求12所述的至少一个机器可读介质，所述一组评论属性还包括所述评论的作者的评论者排名。
17.如权利要求12所述的至少一个机器可读介质，所述一组评论属性还包括从所述网站的其它用户接收到的针对所述评论的投票的数量。
18.如权利要求12所述的至少一个机器可读介质，其中，所述模型包括与所述一组评论属性相对应的阈值。
19.如权利要求12所述的至少一个机器可读介质，其中，所述模型包括一组阈值，所述一组阈值中的每一个阈值与所述一组评论属性中的相应评论述属性相对应。
20.如权利要求12所述的至少一个机器可读介质，其中，所述模型包括与其它评论者贡献给所述网站的评论相对应的一组评论属性的标准分布。
21.如权利要求20所述的至少一个机器可读介质，其中，所述标准分布包括所述其它评论者向所述网站贡献评论的频率的标准分布，并且其中，所述偏差是基于所述评论的作者向所述网站贡献评论的频率在所述其它评论者向所述网站贡献评论的频率的标准分布之外的计算来确定的。
22.如权利要求12所述的至少一个机器可读介质，所述一组评论属性还包括所述评论的作者贡献给所述网站的评论的数量。
23.一种用于指示网站上的不可靠评论的方法，所述方法包括：
累积与贡献给所述网站的评论相对应的一组数据；
根据所累积的一组数据来计算所述评论的作者向所述网站贡献评论的频率；
确定一组评论属性与一模型之间的偏差，所述一组评论属性包括所述评论的作者向所述网站贡献评论的频率；以及
基于所述偏差将关于所述评论不可靠的指示与所述评论存储在一起，所述指示被所述网站用于修改包括所述评论的网页的显示。
24.如权利要求23所述的方法，其中，贡献给所述网站的所述评论与单个产品、单个服务或单个交易相对应。
25.如权利要求23所述的方法，还包括：
使用所述评论的文本来搜索在所述网站上公布的其它评论；以及
确定包含所述评论的文本的其它评论的数量，所述一组评论属性还包括包含所述评论的文本的其它评论的数量。
26.如权利要求25所述的方法，还包括：确定所述评论的文本的语法结构与在所述网站上公布的其它评论的语法结构之间的相似性，所述一组评论属性还包括关于所述相似性的指示。
27.如权利要求23所述的方法，所述一组评论属性还包括所述评论的作者的评论者排名。
28.如权利要求23所述的方法，所述一组评论属性还包括从所述网站的用户接收到的针对所述评论的投票的数量。
29.如权利要求23所述的方法，其中，所述模型包括与所述一组评论属性相对应的阈值。
30.如权利要求23所述的方法，其中，所述模型包括一组阈值，所述一组阈值中的每一个阈值与所述一组评论属性中的相应评论述属性相对应。
31.如权利要求23所述的方法，其中，所述模型包括与其它评论者贡献给所述网站的评论相对应的一组评论属性的标准分布。
32.如权利要求31所述的方法，其中，所述标准分布包括所述其它评论者向所述网站贡献评论的频率的标准分布，并且其中，所述偏差是基于所述评论的作者向所述网站贡献评论的频率在所述其它评论者向所述网站贡献评论的频率的标准分布之外的计算来确定的。
33.如权利要求23所述的方法，所述一组评论属性还包括所述评论的作者贡献给所述网站的评论的数量。
34.一种用于指示网站上的不可靠评论的***，所述***包括：
用于累积与贡献给所述网站的评论相对应的一组数据的单元；
用于根据所累积的一组数据来计算所述评论的作者向所述网站贡献评论的频率的单元；
用于确定一组评论属性与一模型之间的偏差的单元，所述一组评论属性包括所述评论的作者向所述网站贡献评论的频率；以及
用于基于所述偏差将关于所述评论不可靠的指示与所述评论存储在一起的单元，所述指示被所述网站用于修改包括所述评论的网页的显示。
35.如权利要求34所述的***，其中，贡献给所述网站的所述评论与单个产品、单个服务或单个交易相对应。
36.如权利要求34所述的***，还包括：
用于使用所述评论的文本来搜索在所述网站上公布的其它评论的单元；以及
用于确定包含所述评论的文本的其它评论的数量的单元，所述一组评论属性还包括包含所述评论的文本的其它评论的数量。
37.如权利要求36所述的***，还包括：用于确定所述评论的文本的语法结构与在所述网站上公布的其它评论的语法结构之间的相似性的单元，所述一组评论属性还包括关于所述相似性的指示。
38.如权利要求34所述的***，所述一组评论属性还包括所述评论的作者的评论者排名。
39.如权利要求34所述的***，所述一组评论属性还包括从所述网站的用户接收到的针对所述评论的投票的数量。
40.如权利要求34所述的***，其中，所述模型包括与所述一组评论属性相对应的阈值。
41.如权利要求34所述的***，其中，所述模型包括一组阈值，所述一组阈值中的每一个阈值与所述一组评论属性中的相应评论述属性相对应。
42.如权利要求34所述的***，其中，所述模型包括与其它评论者贡献给所述网站的评论相对应的一组评论属性的标准分布。
43.如权利要求42所述的***，其中，所述标准分布包括所述其它评论者向所述网站贡献评论的频率的标准分布，并且其中，用于确定所述偏差的单元包括用于计算所述评论的作者向所述网站贡献评论的频率在所述其它评论者向所述网站贡献评论的频率的标准分布之外的单元。
44.如权利要求34所述的***，所述一组评论属性还包括所述评论的作者贡献给所述网站的评论的数量。
CN201610548566.7A 2011-12-28 2011-12-28 用于识别具有动机的评论者的***和方法 Pending CN106204142A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
PCT/US2011/067604 WO2013100972A1 (en) 2011-12-28 2011-12-28 System and method for identifying reviewers with incentives
CN201180075962.8A CN104160414A (zh) 2011-12-28 2011-12-28 用于识别具有动机的评论者的***和方法

Related Parent Applications (1)

Application Number Title Priority Date Filing Date
CN201180075962.8A Division CN104160414A (zh) 2011-12-28 2011-12-28 用于识别具有动机的评论者的***和方法

Publications (1)

Publication Number Publication Date
CN106204142A true CN106204142A (zh) 2016-12-07

Family

ID=48698215

Family Applications (2)

Application Number Title Priority Date Filing Date
CN201180075962.8A Pending CN104160414A (zh) 2011-12-28 2011-12-28 用于识别具有动机的评论者的***和方法
CN201610548566.7A Pending CN106204142A (zh) 2011-12-28 2011-12-28 用于识别具有动机的评论者的***和方法

Family Applications Before (1)

Application Number Title Priority Date Filing Date
CN201180075962.8A Pending CN104160414A (zh) 2011-12-28 2011-12-28 用于识别具有动机的评论者的***和方法

Country Status (5)

Country Link
US (2) US20140025601A1 (zh)
EP (2) EP3115957A1 (zh)
CN (2) CN104160414A (zh)
TW (1) TWI506577B (zh)
WO (1) WO2013100972A1 (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019090740A1 (zh) * 2017-11-10 2019-05-16 深圳市华阅文化传媒有限公司 评审阅读评论的方法与装置
CN112445993A (zh) * 2019-08-27 2021-03-05 国际商业机器公司 平衡用户评论的偏差

Families Citing this family (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150066893A1 (en) * 2013-08-30 2015-03-05 Tune, Inc. Systems and methods for attributing publishers for review-writing users
US20150213521A1 (en) * 2014-01-30 2015-07-30 The Toronto-Dominion Bank Adaptive social media scoring model with reviewer influence alignment
US10127590B2 (en) 2014-12-15 2018-11-13 Sears Brands, L.L.C. Methods and systems supporting online shopping as a shared and social activity
CN107229636B (zh) * 2016-03-24 2021-08-13 腾讯科技（深圳）有限公司 一种词语分类的方法及装置
US20180218387A1 (en) * 2017-01-30 2018-08-02 Price-Mars Delly Feedback system through an online community format
US20180336640A1 (en) * 2017-05-22 2018-11-22 Insurance Zebra Inc. Rate analyzer models and user interfaces
US11379890B2 (en) * 2018-04-10 2022-07-05 Bernhard Kruepl-Sypien Conversational mapping of web items for mediated group decisions
CN109544022A (zh) * 2018-11-29 2019-03-29 杭州复杂美科技有限公司 建言激励方法、设备和存储介质
US11086948B2 (en) * 2019-08-22 2021-08-10 Yandex Europe Ag Method and system for determining abnormal crowd-sourced label
US11710137B2 (en) 2019-08-23 2023-07-25 Yandex Europe Ag Method and system for identifying electronic devices of genuine customers of organizations
RU2757007C2 (ru) 2019-09-05 2021-10-08 Общество С Ограниченной Ответственностью «Яндекс» Способ и система для определения вредоносных действий определенного вида
US11108802B2 (en) 2019-09-05 2021-08-31 Yandex Europe Ag Method of and system for identifying abnormal site visits
US11128645B2 (en) 2019-09-09 2021-09-21 Yandex Europe Ag Method and system for detecting fraudulent access to web resource
US11334559B2 (en) 2019-09-09 2022-05-17 Yandex Europe Ag Method of and system for identifying abnormal rating activity
RU2752241C2 (ru) 2019-12-25 2021-07-23 Общество С Ограниченной Ответственностью «Яндекс» Способ и система для выявления вредоносной активности предопределенного типа в локальной сети
CN111666413B (zh) * 2020-06-09 2023-04-07 重庆邮电大学 基于评论者可信赖度回归预测的商品评论推荐方法

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040230511A1 (en) * 2001-12-20 2004-11-18 Kannan Narasimhan P. Global sales by referral network

Family Cites Families (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7664669B1 (en) * 1999-11-19 2010-02-16 Amazon.Com, Inc. Methods and systems for distributing information within a dynamically defined community
US6963848B1 (en) * 2000-03-02 2005-11-08 Amazon.Com, Inc. Methods and system of obtaining consumer reviews
TW479182B (en) * 2000-10-05 2002-03-11 Yung-Chiang Chen Polling rowing method with reliability comment
KR100771142B1 (ko) * 2006-03-07 2007-11-19 오피니티 에이피(주) 사용자의 평판 스코어를 제공하는 리뷰 스코어링 방법 및시스템
US7657523B2 (en) * 2006-03-09 2010-02-02 Customerforce.Com Ranking search results presented to on-line users as a function of perspectives of relationships trusted by the users
US20080228910A1 (en) * 2007-03-12 2008-09-18 International Business Machines Corporation Method for monitoring user interaction to maximize internet web page real estate
US8296356B2 (en) * 2007-08-31 2012-10-23 Microsoft Corporation Rating based on relationship
US8032471B2 (en) * 2007-12-21 2011-10-04 Yahoo! Inc. System and method for annotating and analyzing reviews with inferred analytics
US7991650B2 (en) * 2008-08-12 2011-08-02 Amazon Technologies, Inc. System for obtaining recommendations from multiple recommenders
US8732176B2 (en) * 2009-04-28 2014-05-20 Palo Alto Research Center Incorporated Web-based tool for detecting bias in reviews
US8180105B2 (en) * 2009-09-17 2012-05-15 Behavioral Recognition Systems, Inc. Classifier anomalies for observed behaviors in a video surveillance system
US8990124B2 (en) * 2010-01-14 2015-03-24 Microsoft Technology Licensing, Llc Assessing quality of user reviews
CN102236851B (zh) * 2010-04-21 2016-03-09 百度在线网络技术（北京）有限公司 基于用户赋权的多维信用体系实时计算的方法及***
US9043220B2 (en) * 2010-10-19 2015-05-26 International Business Machines Corporation Defining marketing strategies through derived E-commerce patterns

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040230511A1 (en) * 2001-12-20 2004-11-18 Kannan Narasimhan P. Global sales by referral network

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
孙升芸 等: ""产品垃圾评论检测研究综述"", 《计算机科学》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019090740A1 (zh) * 2017-11-10 2019-05-16 深圳市华阅文化传媒有限公司 评审阅读评论的方法与装置
CN112445993A (zh) * 2019-08-27 2021-03-05 国际商业机器公司 平衡用户评论的偏差

Also Published As

Publication number Publication date
EP2798597A1 (en) 2014-11-05
CN104160414A (zh) 2014-11-19
TW201346813A (zh) 2013-11-16
EP3115957A1 (en) 2017-01-11
TWI506577B (zh) 2015-11-01
US20140025601A1 (en) 2014-01-23
US20160321711A1 (en) 2016-11-03
EP2798597A4 (en) 2015-06-10
WO2013100972A1 (en) 2013-07-04

Similar Documents

Publication Publication Date Title
CN106204142A (zh) 用于识别具有动机的评论者的***和方法
Hu et al. User influence analysis for github developer social networks
Chu et al. Determinants of consumer engagement in electronic word-of-mouth (eWOM) in social networking sites
US9152969B2 (en) Recommendation ranking system with distrust
US11093984B1 (en) Determining themes
Mahmud et al. Recommending targeted strangers from whom to solicit information on social media
US20130080266A1 (en) System and method for establishing a dynamic meta-knowledge network
Šuvakov et al. How the online social networks are used: dialogues-based structure of MySpace
CN102890695A (zh) 用于个人化推荐的用户界面
EP2941754A2 (en) Social media impact assessment
CA2917140A1 (en) Social network for employment search
Ku Distributed fascinating knowledge over an online travel community
Abdul Hussien et al. An e-commerce recommendation system based on dynamic analysis of customer behavior
Moreri et al. Volunteered geographic information quality assessment using trust and reputation modelling in land administration systems in developing countries
El-Korany Integrated expert recommendation model for online communities
CN104050243A (zh) 一种将搜索与社交相结合的网络搜索方法及其***
Shariffuddin et al. Navigating the tourism digital landscape: The interrelationship of online travel sites' affordances, technology readiness, online purchase intentions, trust, and E-loyalty
Liao et al. The role of social capital for short-video platform users’ travel intentions: SEM and Fsqca findings
Ghouri et al. Does online ratings matter? An integrated framework to explain gratifications needed for continuance shopping intention in Pakistan
Senevirathna et al. Influence cascades: Entropy-based characterization of behavioral influence patterns in social media
Bańka et al. A Feedback Analysis Automation Using Business Intelligence Technology in Companies Organizing Urban Public Transport
Vuță et al. Extending the frontiers of electronic commerce knowledge through cybersecurity
Imran et al. Enhancing data quality to mine credible patterns
Peng et al. Do social network relationships and overseas market orientation affect SMEs’ international performance? A dynamic internationalization capability perspective
Dai et al. Exploring the emerging trends of spatial epidemiology: a scientometric analysis based on CiteSpace

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20161207

RJ01 Rejection of invention patent application after publication