基于用户满意度的大数据服务可信评价与优化

摘要

传统基于QoS的服务评价和优化不能最大化大数据服务的用户满意度,从服务评价和服务运行优化,研究大数据服务用户满意度最大化方法。阐明用户满意度形成机理,研究情景感知的用户满意度模型,解决用户满意度模型不准确问题;揭示评价用户搭便车行为机理,研究评价用户参与评价激励机制,解决用户满意度数据不全面问题;在Logistic回归和社会网络理论的基础上,研究评价用户可信度综合评估方法,解决用户满意度数据不可信问题;探索情景相似的用户Top-K查询和用户满意度数据云模型描述方法,研究基于云模型的可信服务评价方法,解决服务评价不可信问题;阐明服务运行期的服务参与者行为及博弈机理,研究服务运行期的博弈优化方法,解决单方优化方法无法使服务参与者收益最大化问题。为大数据服务的评价和优化提供新的研究思路。