随着互联网的普及和高速发展,给人们的日常生活带来翻天覆地的变化,当今社会正在步入“互联网+”时代。电子商务在“互联网+”中扮演着重要的角色,在近年来取得了巨大的成功。信任问题一直是互联网中存在的一大挑战,在电子商务中更是阻碍其发展的瓶颈,一种可量化的信任保障机制,即信誉系统,被引入以解决如上问题。信誉系统通过收集与商品价值有关的据证,并对收集到的据证进行聚合,最后发布出度量商品真实价值的信誉值。信誉系统的引入促进了电子商务的发展,然而,随着信誉系统的越来越流行,伪造信誉评分带来的利益诱惑也在显著增长。恶意用户企图通过对自己有利的商品大量给出正面评价,或者对竞争对手给出大量负面评价等手段来操纵商品的评分。如何抵御恶意用户的攻击,在即使存在非公平评价的情况下也能计算出符合商品真实价值的信誉评分,是信誉系统的一大挑战,也是本文研究的重点。具体而言,本文主要工作内容如下:(1)基本迭代评分算法研究。传统的评分算法大部分基于对恶意用户或非公平评分进行检测的机制,通过对系统状态及用户行为进行监视,试图找出恶意群体或非公平评分出现的规律,并对其进行匹配剔除,系统开销昂贵。本文介绍的基于迭代的评分算法则同时对公平评分和非公平评分进行计算,不断迭代消除非公平评分对结果的影响,对恶意攻击表现健壮。(2)对基本迭代评分算法的改进研究。针对评分的多样性问题和用户的偏好问题,我们提出了基于分位点的迭代评分算法,具体的,在评分预处理步骤中,通过统计分析用户评分的分布特性、进行标准化并根据对应分位点对其进行转化,从而消除用户偏好的差别,同时结合划分桶机制解决评分多样性问题;对于迭代步骤中用户的信任度,我们提出了可选的基于聚类方法的信任度初始化策略;最后,针对用户兴趣随时间推移而变化的问题,即评分的时移特性,我们提出了基于时间权重函数的迭代思想。通过在真实电影评分MovieLens数据集上进行的多组实验,以及与现有算法的对比,对算法的有效性和优越性进行了验证。