(Enviado el 13 de abril de 2020)

Abstracto: La difusión de comentarios y opiniones en línea y su creciente influencia en
El comportamiento y las decisiones de las personas aumentaron el interés de extraer
información de este diluvio de datos. Por lo tanto, las calificaciones de productos y de crowdsourcing
Los servicios adquirieron un papel fundamental en las empresas y los gobiernos. Actual
Las soluciones de vanguardia clasifican los elementos con un promedio de calificaciones
expresado para un artículo, con la consiguiente falta de personalización para los usuarios,
y la exposición a ataques y spam / usuarios espurios. Usando estas calificaciones para
Los usuarios de grupo con preferencias similares pueden ser útiles para presentar a los usuarios
elementos que reflejan sus preferencias y superan esas vulnerabilidades. En
En este documento, proponemos un nuevo sistema de clasificación basado en la reputación, utilizando
subredes de calificación multipartitas, que agrupan a los usuarios por sus similitudes
utilizando tres medidas, dos de ellas basadas en la complejidad de Kolmogorov. Tambien estudiamos
su resistencia al soborno y cómo diseñar estrategias óptimas de soborno. Nuestra
El sistema es novedoso porque refleja la diversidad de preferencias por (posiblemente)
asignar clasificaciones distintas al mismo elemento, para diferentes grupos de usuarios. Nosotros
Probar la convergencia y la eficiencia del sistema. Al probarlo en sintético
y datos reales, vemos que se adapta mejor a los usuarios de spam / espurios, siendo
más robusto a los ataques que los enfoques de vanguardia. Además, al agrupar
usuarios, el efecto del soborno en el sistema de clasificación multipartita propuesto es
atenuado, en comparación con el caso bipartito.