1、隨著社會網絡的日益壯大，人們越來越重視知識的共享，基于web的打分評價系統(tǒng)在電子商務與消費點評網站中的應用也越來越廣泛。此類網站中廣泛存在著用戶和對象兩種實體:用戶可以給對象進行打分，系統(tǒng)根據(jù)用戶的打分計算出對象的最終評分，而最終評分的高低影響著對象的排名。用戶在選擇購買某種商品服務時，通常會參考產品的評分，并根據(jù)系統(tǒng)提供的其他用戶的已有經驗做出選擇，為了引導用戶選擇某個特定的產品，Spammer（這里泛指某些有惡意網絡推廣行為的人），

2、將排名系統(tǒng)作為自己的重點攻擊對象。如何提高評分系統(tǒng)的準確度，是近年來數(shù)據(jù)挖掘領域的研究熱點。
　　一個優(yōu)秀的排名算法應足夠健壯，在有噪聲的實際應用環(huán)境中依然可以提供相對準確的對象最終評分和排名，從而減輕Spammer攻擊的影響。算法還應具有可收斂等特性，否則很難被應用到實際環(huán)境中。為此，現(xiàn)有較多研究引入用戶信譽度的概念，通過衡量用戶信譽度的高低來重新調整用戶打分的權重，從而提高排名算法的健壯性。
　　本文將深入討論該領域的各

3、種算法，并在已有算法的基礎上，提出一個更為健壯、高效的新算法，從而提高打分系統(tǒng)排名結果的準確度。
　　本文的工作主要包括:
　　介紹國內外基于用戶信譽度的評分推薦系統(tǒng)算法的研究現(xiàn)狀，闡述兩種主要的推薦系統(tǒng)類型:內容驅動型和用戶驅動型。
　　闡述用戶驅動型算法的模型結構，詳細介紹已有的用戶驅動型算法，分析并總結各種算法的優(yōu)缺點。
　　在對已有算法進行實驗、分析的基礎上，利用中位數(shù)不易受極端打分影響的特性，提出基于中