Folyam alapú véleményezés Több, mint puszta rangsorolás.

Slides:



Advertisements
Hasonló előadás
A Floyd-Warshall algoritmus
Advertisements

ALKALMAZOTT KOMMUNIKÁCIÓ
Programozási tételek, és „négyzetes” rendezések
Kutyafajták tanulási képességének mérése
A fogyasztói orientáció és a piacok Magyarországon Dr. Sz ente Viktória Kaposvári Egyetem, Gazdaságtudományi Kar Marketing és Kereskedelem Tanszék Piacot.
B2B-marketing – A szervezeti piacok
Miért boldogabbak az emberek az egyik országban, mint a másikban?
Felületszerkezetek Lemezek.
Készítette: Unyatyinszki Csaba
MI 2003/9 - 1 Alakfelismerés alapproblémája: adott objektumok egy halmaza, továbbá osztályok (kategóriák) egy halmaza. Feladatunk: az objektumokat - valamilyen.
MI 2003/ A következőkben más megközelítés: nem közvetlenül az eloszlásokból indulunk ki, hanem a diszkriminancia függvényeket keressük. Legegyszerűbb:
Műveletek logaritmussal
Kalman-féle rendszer definíció
Számítógépes algebrai problémák a geodéziában
Vektormező szinguláris pontjainak indexe
Globális helymeghatározás Zárthelyi dolgozat Relatív helymeghatározás fázisméréssel.
Rekurzió (Horváth Gyula és Szlávi Péter előadásai felhasználásával)
Vállalatok pénzügyi folyamatai
Operációkutatás szeptember 18 –október 2.
Bevezetés a gépi tanulásba február 16.. Mesterséges Intelligencia „A számítógépes tudományok egy ága, amely az intelligens viselkedés automatizálásával.
Gépi tanulási módszerek
Rangsorolás tanulása ápr. 24..
Gazdaságelemzési és Statisztikai Tanszék
Operációkutatás Kalmár János, Hiperbolikus és kvadratikus programozás.
OPERÁCIÓKUTATÁS Kalmár János, 2011 Tartalom Több lineáris célfüggvényes LP Tiszta egészértékű LP.
A lehetséges énképek.
Lineáris egyenletrendszerek megoldása
Lázár László ÉRTÉKEK ÉS MÉRTÉKEK A vállalati erőforrás-felhasználás leképzése és elemzése hazai üzleti szervezetekben.
Ficsor Lajos Template-ek CPP8/ 1 Template-ek. Ficsor Lajos Template-ek CPP8/ 2 A template fogalma Kiindulási probléma: tetszőleges típusokon kellene ugyanolyan.
A z IFAB döntése alapján (2013. március 2.): A z IFAB döntése alapján (2013. március 2.): Zavarja ellenfelét…
Hozzászólás Hermann Zoltán: Az iskolatípus hatása a tanulói teljesítményekre Lovász Anna Szirák november 9.
Textúra elemzés szupport vektor géppel
Szemantikus keresők.
Kétismeretlenes elsőfokú (lineáris) egyenletrendszerek
Értékelési javaslat az LB tagjai számára Bernáth Lajos.
Idősor elemzés Idősor : időben ekvidisztáns elemekből álló sorozat
Lokális optimalizáció Feladat: f(x) lokális minimumának meghatározása 0.Adott egy kezdeti pont: x 0 1.Jelöljünk ki egy új x i pontot, ahol (lehetőleg)
Optimalizáció modell kalibrációja Adott az M modell, és p a paraméter vektora. Hogyan állítsuk be p -t hogy a modell kimenete az x bemenő adatokon a legjobban.
$ Információ Következmény Döntés Statisztikai X.  Gyakorlati problémák megoldásának alapja  Elemzéseink célja és eredménye  Központi szerep az egyén.
Felszín alatti vizek védelme Vízmozgás analitikus megoldásai.
GNSS elmélete és felhasználása A helymeghatározás matematikai modelljei: fázismérésen alapuló relatív helymeghatározás különbségképzéssel.
Makai M.: Transzport51 A koordinátázás kérdése Ha a világban meg kell adni egy helyet: fizikai koordináták (x,y,z) (origó és egység) postai címzés pl.
Közösségi érték (public value) vizsgálat Budapest, Szonda Ipsos.
Alapsokaság (populáció)
Két kvantitatív változó kapcsolatának vizsgálata
HALLGATÓI ELÉGEDETTSÉGI VIZSGÁLATOK A WJLF-EN A es tanév eredményei.
A lyukas dob hangjai Hagymási Imre II. évfolyamos fizikus hallgató Témavezető: Cserti József ELTE Komplex Rendszerek Fizikája Tanszék.
1. MATEMATIKA ELŐADÁS Halmazok, Függvények.
Kockázatkezelés. Nem tartják fontosnak, mert  „A kockázatelemzés időrabló és unalmas feladat”  Ezzel szemben –jó lenne, ha a „jövőbe láthatnánk” –rengeteg.
Attitűd, autonómia és felelősségvállalás az OKKR-ben
Diszjunkt halmazok adatszerkezete A diszjunkt halmaz adatszerkezet diszjunkt dinamikus halmazok S={S 1,…,S n } halmaza. Egy halmazt egy képviselője azonosít.
JÓLÉT ÉS IDEOLÓGIÁK: FEJLETTSÉG ÉS BÉREK
Hága Péter ELTE, Komplex Rendszerek Fizikája Tanszék Statisztikus Fizikai Nap Budapest.
Struktúra predikció Struktúra lehet Felügyelt tanulási probléma
OPERÁCIÓKUTATÁS TÖBBCÉLÚ PROGRAMOZÁS. Operáció kutatás Több célú programozás A * x  b C T * x = max, ahol x  0. Alap összefüggés: C T 1 * x = max C.
Gépi tanulási módszerek
1 Megerősítéses tanulás 4. előadás Szita István, Lőrincz András.
A tananyag a Gazdasági Versenyhivatal Versenykultúra Központja és a Polányi Károly Alapítvány támogatásával készült Beruházási projektek értékelése Gazdasági.
Kontinuum modellek 2.  Közönséges differenciálegyenletek numerikus megoldásának alapjai  közönséges differenciálegyenletek  Euler módszer  Runge-Kutta.
1 © GfK Hungária | Superbrands 2015 SUPERBRANDS KUTATÁS 2015 GfK Hungária, Consumer Experiences január 28. Alap / Premium kutatási csomagok leírása.
Közösségi érték (public value) vizsgálat Budapest, Szonda Ipsos.
A kutatási program leírása
Megbízhatóság alapú menedzsment Jónás Tamás szeptember 3.
Műholdas helymeghatározás 6. előadás
Üzleti gazdaságtan Andor György.
Numerikus differenciálás és integrálás
JELENÉRTÉKSZÁMÍTÁS-TECHNIKA
Készült a HEFOP P /1.0 projekt keretében
Emlékeztető Az előző órán az adatok eloszlását Gauss-eloszlással közelítettük Célfüggvénynek a Maximum Likelihood kritériumot használtuk A paramétereket.
A mesterséges neuronhálók alapjai
Előadás másolata:

Folyam alapú véleményezés Több, mint puszta rangsorolás

Készült Antonino Simone, Boris Skoric, Nicola Zannone „Flow-based reputation: more than just ranking” c. cikke alapján Cser Lajos, SZTE, 2012.

Bevezetés Több résztvevős internetes közösségi oldalak Példák: –Elektronikus kereskedelem (pl. eBay, Vatera) –Peer-to-Peer fájlmegosztás –Keresőmotorok

Bevezetés Veszélyhelyzetek adódhatnak –Vásárlás: biztonságos ez a tranzakció? –Tartalommegosztás: bízhatunk a többi résztvevőben?

Bevezetés Szükségessé vált a közösségben a „bizalom fenntartására” valamilyen eszköz – értékelések + támogató rendszer Keresünk egy olyan „metrikát”, amivel könnyen eldönthetőek a bizalmi kérdések „Ajánlottság”

Ajánlottság Egzakt fogalom? A felhasználók egymást értékelik interakció után Minőségi kérdések –Akkor jó, ha jól jellemzi a jövőbeli viselkedését az egyednek Hiányosságok a hitelességben

Ajánlás Őszinte Elfogult (Példák esetekre)

Alapötlet Vegyük az ajánlottságok egy kiindulási vektorát Az aktuálisan elérhető információ alapján ezen vektort frissítjük Iteratív, de nem emlékező módon, mígnem egy elfogadhatónak ítélt eredményt kapunk

Példa

Eigentrust Rangsort képez –Minden esetben van értelme ennek? –Függ a mintától (sok rossz között kicsit jó tényleg jó?) Mindkét esetben –Bob 0.1, –Charlie 0.9, –David 0

Célkitűzés Egy jobb metrika kell, ami –Nem relatív értékeket ad meg –Minden figyelembe vehető adatra tekintettel van Javaslat – Adjuk meg… –Sémamátrix (A) (az információ aggregátja) –Ajánlottsági vektor (r) –α közvetlenségi interpolációs paraméter De hogyan?

Formuláció (modell) Kiszámítás (algoritmus) Szétszórás (terjesztési mód)

Eigentrust i,j felhasználók, szubjektív (lokális) ajánlottság – s ij 1 ha pozitív d ij = 0 semleges -1 negatív vélemény

Eigentrust A = [a ij ] ahol Így (p = r (0) )

Eigentrust A hiányosságok konkrétan –Normalizálunk, és ez információvesztést okoz (a ij kiszámolása) –Konvergáláshoz használt „trükkök” (α, p vektor) behatása

A módszer Az összesítéskor figyelni kellene –ajánlások –felhasználó kapott értékeléseinek száma –az értékelő megbízhatósága –tranzakció (pl. vásárlás) mérete és ideje

A módszer x és y közti tranzakciók esetén – tranzakcióik – (súlyosság) – (y értékelése a tr-ban)

A módszer

s: kiindulási vektor Az Eigentrust egyenlete helyett r-et a köv. függvény definiálja: Azaz másként

Önhivatkozások kerülése Az [A xy ] mátrixban A xx := 0 És ha megengedjük, hogy x magát értékelje? Általában nem sokat számít, de torzíthat (az elvárt eredményhez képest)

Kiszámítás Formális módszerekkel levezethető, hogy nem csak egy iteratív, hanem egy direkt eljárás is megadható, de…

Empirikusan mért hatékonyság Jobb lenne belemenni a direkt módszer használatába vagy iteratívan? Próba: generáljuk A-t –kezdetben A xy := ½ ha x != y –véletlenszerűen generáljuk az „eseményeket” Wolfram Mathematica 7.0

Empirikusan mért hatékonyság Mindkét módszerben számításigényes mátrixműveletek a direkt módszer nem hogy jobb, de rosszabb eredményben nincs lényegi különbség (ábra)

A paraméterek hatása α –értékét egy jó kezdeti feltevéssel kell meghatározni –ha A súlyát növeljük, előfordulhat, hogy egy eredetileg megbízhatónak vélt egyed hátrébb csúszik s –lineárisan függ tőle az eredmény –ha nagyon bízunk valakiben, A kevésbé „ront”

Támadások Céljuk az egyes egyedek értékelésének meghamisítása –önreklámozás pozitívot a neki pozitívot adóknak negatívat … –rágalmazás: más alaptalan leminősítése hasonló trükkök, pl. értékelők értékelése –Szibilla 1 -támadás: új profilok + azokkal értékelés rágalmazás 1 Sybil attack

A alakja támadáskor t támadó, tfh. egy csoportba rendezve Őszintéről ítélet őszintéktől Őszintéről ítélet támadóktól Támadóról ítélet őszintéktől Támadóról ítélet támadóktól A = Sybil attack

Változás önreklámozásnál Tfh. y a támadó –A xy 1 ha az > 0.5, ill. A yx 0 ha az < 0.5 (aki neki pozitívot ad, annak növeli, aki nem, annak csökkenti) Az elért változás a kezdetben megbízhatónak ítélt felhasználók T számának függvényében, eltérő α értékekre

Rágalmazás Azokat felminősíti, akik a célpontról rossz véleményen vannak, a többieket le Az elért változás a kezdetben megbízhatónak ítélt felhasználók T számának függvényében, eltérő α értékekre 10x

Szibilla-támadás y támadó, n*m új profil az újak leminősítik a célt, és fel y-t és egymást T növelése csökkenti a veszélyt, de egyúttal egy kis α érték is jól jöhet

Összefoglalás abszolút értékelést adó metrikát adtunk meg megvizsgáltuk, miként hatnak a paraméterek, és hogyan lehet védekezni velük támadások ellen meglepő módon α–tól lineárisan függ az értékelés (pedig nem lineáris egyenlet!) kérdés –ugyanez-e az eredmény, ha nincs központi hatóság, hanem teljes az elosztottság a felhasználók közt?

Köszönöm a figyelmet!