*0. 1 = 192. 6,歸一化處理后為 38. 52,參照下述表一制定的規(guī)則，可知該未知專家的可信度比較低，可能是偽專家。
[0035] 本實(shí)施例通過從互聯(lián)網(wǎng)上獲取已知專家的可信程度的影響因素信息，并根據(jù)所述 已知專家的可信程度的影響因素信息確定各影響因素的權(quán)重；在獲取到未知專家的可信程 度的影響因素信息后，根據(jù)已知專家確定的所述各影響因素的權(quán)重進(jìn)一步確定所述未知專 家的可信程度，從而為用戶提供更加可靠有價(jià)值的專家意見。
[0036] 示例性的，在上述實(shí)施例的基礎(chǔ)上，根據(jù)所述已知專家的可信程度的影響因素信 息確定各影響因素的權(quán)重具體包括：
[0037] 對(duì)所述已知專家的可信程度的影響因素信息進(jìn)行量化處理；
[0038] 將所述已知專家的量化后的數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)，采用以下任意一種算法確定各影 響因素的權(quán)重：監(jiān)督學(xué)習(xí)算法、無監(jiān)督學(xué)習(xí)算法或半監(jiān)督學(xué)習(xí)算法。
[0039] 具體的，在對(duì)所述已知專家的可信程度的影響因素信息進(jìn)行量化處理時(shí)，可基于 如下原則，對(duì)于較好的評(píng)論給予較高分?jǐn)?shù)的賦值，對(duì)于較差的評(píng)論給予較低的賦值。
[0040] 例如，當(dāng)所述可信程度的影響因素信息包括：用戶評(píng)論內(nèi)容、點(diǎn)贊量、點(diǎn)踩量、用戶 評(píng)論分?jǐn)?shù)、用戶評(píng)論數(shù)量、專家職稱、專家在專業(yè)領(lǐng)域內(nèi)的認(rèn)可度、專家發(fā)表的文章和書籍 量時(shí)，對(duì)于用戶評(píng)論內(nèi)容，當(dāng)獲取到的用戶評(píng)論內(nèi)容為"這個(gè)專家意見比較好"，則對(duì)其賦值 80-90間的任意值；對(duì)于點(diǎn)贊量、點(diǎn)踩量、用戶評(píng)論分?jǐn)?shù)、用戶評(píng)論數(shù)量、專家發(fā)表的文章和 書籍量，可直接采用它們各自顯示的分值；對(duì)于專家職稱，對(duì)于高級(jí)職稱可賦值為80-100 間的任意值，對(duì)于普通職稱可賦值為60-80間的任意值，對(duì)于無職稱可賦值為60以下的任 意值；對(duì)于專家在專業(yè)領(lǐng)域內(nèi)的認(rèn)可度，對(duì)于認(rèn)可度高的可賦值為80-100間的任意值，對(duì) 于認(rèn)可度中等的可賦值為60-80間的任意值，對(duì)于認(rèn)可度低的可賦值為60以下的任意值。
[0041] 具體的，在監(jiān)督學(xué)習(xí)過程中，每個(gè)實(shí)例都是由一個(gè)輸入對(duì)象（通常為矢量）和一個(gè) 期望的輸出值（也稱為監(jiān)督信號(hào)）組成。監(jiān)督學(xué)習(xí)的輸入數(shù)據(jù)被稱為訓(xùn)練數(shù)據(jù)，也就是量 化后的已知專家對(duì)應(yīng)的影響因素信息，使用監(jiān)督學(xué)習(xí)算法分析該訓(xùn)練數(shù)據(jù)，并產(chǎn)生一個(gè)推 斷的功能，其可以用于映射出新的實(shí)例。通過監(jiān)督學(xué)習(xí)算法可以正確地決定那些未知的實(shí) 例即未知專家的類標(biāo)簽。
[0042] 具體可采用神經(jīng)網(wǎng)絡(luò)（Back Propagation，BP)算法來實(shí)現(xiàn)，BP網(wǎng)絡(luò)是常用的監(jiān)督 學(xué)習(xí)算法，其模擬人腦神經(jīng)元消息處理機(jī)制，是一種按誤差逆?zhèn)鞑ニ惴ㄓ?xùn)練的多層前饋網(wǎng) 絡(luò)，能學(xué)習(xí)和存貯大量的輸入-輸出模式映射關(guān)系，而無需事前揭示描述這種映射關(guān)系的 數(shù)學(xué)方程。它的學(xué)習(xí)規(guī)則是使用最速下降法，通過反向傳播來不斷調(diào)整網(wǎng)絡(luò)的權(quán)值和閾值， 使網(wǎng)絡(luò)的誤差平方和最小，從而使得到的各影響因素的權(quán)重趨于穩(wěn)定。
[0043] 示例性的，在上述實(shí)施例的基礎(chǔ)上，根據(jù)所述未知專家的可信程度的影響因素信 息和所述各影響因素的權(quán)重確定所述未知專家的可信程度：
[0044] 將所述未知專家的可信程度的影響因素信息進(jìn)行量化處理；
[0045] 計(jì)算所述未知專家的量化后的數(shù)據(jù)和所述各影響因素的權(quán)重的加權(quán)值；
[0046] 根據(jù)所述加權(quán)值確定所述未知專家的可信程度。
[0047] 例如，可將所述加權(quán)值直接作為所述未知專家的可信程度值，其值越高代表所述 未知專家的可信程度越高。
[0048] 還可以預(yù)先建立專家對(duì)照表，根據(jù)所述加權(quán)值查詢預(yù)設(shè)專家對(duì)照表，所述預(yù)設(shè)專 家對(duì)照表中包含加權(quán)值與所述可信程度的對(duì)應(yīng)關(guān)系；
[0049] 從所述預(yù)設(shè)專家對(duì)照表中確定所述加權(quán)值對(duì)應(yīng)的可信程度。
[0050] 例如，可預(yù)先建立如下表一所示的表格，表一中記錄了所述加權(quán)值對(duì)應(yīng)的可信程 度。在建立表格時(shí)，通常采用百分制方式，通過對(duì)未知專家的影響因素信息量化后計(jì)算，其 對(duì)應(yīng)的加權(quán)值歸一化到0到100之間。
[0051] 表一
[0052]
[0053] 當(dāng)所述加權(quán)值位于0-60之間時(shí)，則說明該未知專家的言論可信程度低，對(duì)網(wǎng)民基 本沒有幫助，可認(rèn)為是偽專家；當(dāng)所述加權(quán)值位于60-80之間時(shí)，則說明該未知專家的言論 基本可信，對(duì)網(wǎng)民有幫助；當(dāng)所述加權(quán)值位于80-100之間時(shí)，則說明該未知專家的言論可 信，該未知專家為權(quán)威專家，對(duì)網(wǎng)民幫助極大。
[0054] 上述各實(shí)施例同樣通過從互聯(lián)網(wǎng)上獲取已知專家的可信程度的影響因素信息，并 根據(jù)所述已知專家的可信程度的影響因素信息確定各影響因素的權(quán)重；在獲取到未知專家 的可信程度的影響因素信息后，根據(jù)已知專家確定的所述各影響因素的權(quán)重進(jìn)一步確定所 述未知專家的可信程度，從而為用戶提供更加可靠有價(jià)值的專家意見。
[0055] 實(shí)施例二
[0056] 圖2為本發(fā)明實(shí)施例二提供的網(wǎng)絡(luò)專家可信度判定方法的流程示意圖，如圖2所 示，具體包括：
[0057] S21、從互聯(lián)網(wǎng)上獲取已知專家的可信程度的影響因素信息；
[0058] 例如，獲取的影響因素信息包括用戶評(píng)論內(nèi)容、點(diǎn)贊量、點(diǎn)踩量、用戶評(píng)論分?jǐn)?shù)、用 戶評(píng)論數(shù)量、專家職稱、專家在專業(yè)領(lǐng)域內(nèi)的認(rèn)可度、專家發(fā)表的文章和書籍量。
[0059] S22、對(duì)所述已知專家的可信程度的影響因素信息進(jìn)行量化處理；
[0060] 例如，對(duì)上述步驟S21獲取到的各影響因素進(jìn)行賦值處理，對(duì)于好的評(píng)論給予較 高的賦值，對(duì)于不好的評(píng)論給予較低的賦值。
[0061] S23、將所述已知專家的量化后的數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)，采用監(jiān)督學(xué)習(xí)算法確定各影 響因素的權(quán)重；
[0062] S24、獲取未知專家的可信程度的影響因素信息；
[0063] S25、將所述未知專家的可信程度的影響因素信息進(jìn)行量化處理；
[0064] 對(duì)所述未知專家的可信程度的影響因素信息進(jìn)行量化處理的過程同對(duì)所述已知 專家的可信程度的影響因素信息進(jìn)行量化處理的過程類似，具體可參見上述實(shí)施例一中對(duì) 所述已知專家的可信程度的影響因素信息進(jìn)行量化處理的相關(guān)描述，這里不再贅述。
[0065] S26、計(jì)算所述未知專家的量化后的數(shù)據(jù)和所述各影響因素的權(quán)重的加權(quán)值；
[0066] 具體的，如果獲取到的所述未知專家的可信程度的影響因素與上述已知專家-- 對(duì)應(yīng)，則求取所述未知專家的各影響因素與所述各影響因素的權(quán)重的加權(quán)和，將所述加權(quán) 和作為所述未知專家的值。例如，如果獲取的所述未知專家的用戶評(píng)論內(nèi)容賦值后為第一 分值dl、點(diǎn)贊量為第二分值d2、點(diǎn)踩量為第三分值d3、用戶評(píng)論分?jǐn)?shù)為第四分值d4、用戶 評(píng)論數(shù)量為第五分值d5、專家職稱為第六分值d6、專家在專業(yè)領(lǐng)域內(nèi)的認(rèn)可度為第七分值 d7、專家發(fā)表的文章和書籍量為第八分值d8 ;所述用戶評(píng)論內(nèi)容、點(diǎn)贊量、點(diǎn)踩量、用戶評(píng) 論分?jǐn)?shù)、用戶評(píng)論數(shù)量、專家職稱、專家在專業(yè)領(lǐng)域內(nèi)的認(rèn)可度、專家發(fā)表的文章和書籍量 對(duì)應(yīng)的權(quán)重分別為nI、n2、n3、n4、n5、n6、n7和n8，則最終可采用如下公式一計(jì)算得到所述 未知專家的加權(quán)值：
[0067] (Hnl+d2n2+d3n3+d4n4+d5n5+d6n6+d7n7+d8n8
[0068] 如果獲取到的所述未知專家的可信程度的影響因素與上述已知專家不一一對(duì)應(yīng)， 則只求取與所述已知專家對(duì)應(yīng)的各影響因素的加權(quán)和，將所述加權(quán)和作為所述未知專家的 值。例如，如果獲取的所述未知專家的影響因素包括用戶評(píng)論內(nèi)容、點(diǎn)贊量、點(diǎn)踩量、用戶評(píng) 論分?jǐn)?shù)和專家職稱，則最終可采用如下公式二計(jì)算得到所述未知專家的加權(quán)值：
[0069] dlnl+d2n2+d3n3+d4n4+d6n6
[0070] S27、根據(jù)所述加權(quán)值查詢預(yù)設(shè)專家對(duì)照表，所述預(yù)設(shè)專家對(duì)照表中包含加權(quán)值與 所述可信程度的對(duì)應(yīng)關(guān)系；
[007