在線社會網(wǎng)絡的信任網(wǎng)絡發(fā)現(xiàn)與信任融合研究.pdf

1、隨著信息技術的發(fā)展和變革，越來越多的社交化應用融入到人們的日常生活當中。這些應用內(nèi)容不僅涵蓋傳統(tǒng)意義的社交網(wǎng)站（如人人網(wǎng)），而且涉及即時通訊、電子商務和消費推薦等諸多領域（如微信、淘寶和大眾點評）。得益于移動計算技術和設備的發(fā)展普及，人們可以隨時隨地參與到這些在線社會網(wǎng)絡應用中，與他人進行信息分享、產(chǎn)品交易、業(yè)務協(xié)作等社交活動。然而，在如此開放動態(tài)的大規(guī)模在線社會網(wǎng)絡中，人們常常面臨著陌生的交互對象，這使得用戶間的交互往往存在著不確定性

2、和風險性。在這種情形下，信任在決策制定過程中扮演著關鍵角色。因此，研究在線社會網(wǎng)絡中的信任推理具有重要意義。
　　通過將社會網(wǎng)絡描述為加權有向圖，信任推理就是根據(jù)信任的傳播性等特點，在該圖上尋找和利用多條信任傳播路徑為并未交互過的陌生用戶推理其間接的信任關系。由于社會網(wǎng)絡具有同質(zhì)性、小世界現(xiàn)象和結構平衡等特點，所以面向在線社會網(wǎng)絡的信任推理必須結合社會網(wǎng)絡的內(nèi)在特點。給定一對陌生的用戶節(jié)點，信任推理過程首先要考慮搜索什么樣的路徑以

3、連接該節(jié)點對，即什么樣的路徑才是“好”的信任推理路徑；由于應用服務的上下文多樣性，還要考慮用戶節(jié)點間如何維護上下文感知的直接信任關系，以保證信任推理路徑上的信任關系具有一致的信任上下文；然后，在信任推理路徑搜索策略和信任上下文確定的情況下，要考慮如何高效地搜索多條最優(yōu)或近似最優(yōu)的信任推理路徑以構建信任子網(wǎng)絡；最后，還需要考慮信任傳遞和合意運算如何計算以及如何將這些運算運用到該信任子網(wǎng)絡當中，從而融合多條信任推理路徑獲得最終的信任推理結果

4、。從這些核心問題出發(fā)，對在線社會網(wǎng)絡中的信任推理路徑搜索策略與最優(yōu)信任推理路徑搜索算法、上下文感知的直接信任關系評估方法、信任子網(wǎng)絡的發(fā)現(xiàn)算法、信任推理路徑融合算法這四個方面展開了全面深入的研究工作：
　　現(xiàn)有的信任推理路徑搜索策略大都強調(diào)最大化源節(jié)點對目擊者的信任度，以此來提高信任推理路徑的質(zhì)量，忽視了不信任關系在信任推理中的作用?；谏鐣Y構平衡理論，可以利用不信任關系推理出有價值的信息。然而，在現(xiàn)實社會網(wǎng)絡中的三角關系并非總

5、是結構平衡的。因此，首先分析了平衡傳遞三角關系的分布規(guī)律，以及現(xiàn)有信任傳遞算子的結構平衡特點。然后，提出了信任推理路徑搜索策略MIRBS和MIFUS，將最優(yōu)信任推理路徑搜索問題歸結為最優(yōu)化問題并給出相應的最優(yōu)信任推理路徑搜索算法OTIPS。通過理論證明了該搜索算法所得結果的最優(yōu)性。最后，利用真實數(shù)據(jù)集驗證了信任推理路徑搜索策略的有效性，以及最優(yōu)信任推理路徑搜索算法在路徑搜索效率和信任推理準確度方面的優(yōu)越性。
　　信任具有傳播性的前

6、提是信任傳播路徑上具有一致的信任范圍，即信任上下文的一致性。面對服務上下文多樣化的社交應用，用戶很難尋找到與當前服務具有相同上下文的歷史交互記錄以進行直接信任關系評估，即數(shù)據(jù)稀疏性問題。傳統(tǒng)的信任模型缺乏對信任上下文因素的考慮。一些上下文感知的信任模型也沒能妥善解決上下文描述、上下文相似度度量和歷史經(jīng)驗維護的問題。通過存儲大量的具有上下文信息的交互記錄來維護歷史經(jīng)驗，這種做法帶來高昂的存儲代價和計算代價。給出了一種面向服務的上下文描述和

7、相似性度量方法，構建了一種上下文感知的直接信任關系模型，并提出了一種基于隨從聚類的上下文感知的直接信任關系評估方法。該方法只需維護一個規(guī)模較小的信任參考集合便可提供上下文感知的直接信任關系評估。信任參考集合能夠根據(jù)新的交互經(jīng)歷不斷地更新虛擬參考服務的上下文和調(diào)節(jié)信任度。模擬實驗表明，該方法能夠在面臨數(shù)據(jù)稀疏性問題時利用虛擬參考服務的上下文來提高直接信任度評估的準確度，與現(xiàn)有上下文感知的信任評估方法相比具有更高的計算效率。
　　在給

8、定了信任推理路徑搜索策略和信任上下文之后，就需要考慮如何搜索多條最優(yōu)的或接近最優(yōu)的信任推理路徑以構建信任子網(wǎng)絡?，F(xiàn)有的信任推理路徑搜索方法大多基于傳統(tǒng)的暴力搜索方法，這使得搜索代價十分高昂。盡管有一些新穎的概率搜索方法，但這些方法都忽略了信任網(wǎng)絡的結構特點從而導致路徑搜索的盲目和低效。另外，現(xiàn)有信任推理路徑搜索方法中的路徑搜索經(jīng)驗也不能累積或重用，這使得重復的搜索請求導致重復的搜索代價。先是提出了一種基于SVD符號聚類的信任社區(qū)發(fā)現(xiàn)方法

9、來挖掘信任網(wǎng)絡的社區(qū)結構特征。然后，通過將每個信任社區(qū)看做蟻群優(yōu)化中的一個蟻群，給出了一種基于多蟻群優(yōu)化的信任子網(wǎng)絡發(fā)現(xiàn)算法ACO-TIPS。該算法可以針對給定的信任推理路徑搜索策略尋找多條最優(yōu)的或接近最優(yōu)的信任推理路徑以構建信任子網(wǎng)絡。最后利用真實數(shù)據(jù)集進行了對比試驗，證實了所提方法挖掘信任網(wǎng)絡社區(qū)結構的有效性，以及在信任推理路徑搜索效率和信任推理準確度方面的優(yōu)勢。
　　當獲取多條信任推理路徑，即構建信任子網(wǎng)絡以后，還需要考慮如

10、何運用合適的信任傳遞和合意運算，以融合多條信任推理路徑獲得最終的信任推理結果。現(xiàn)有的信任傳遞和合意運算缺乏真實數(shù)據(jù)集上的橫向?qū)Ρ?，且大多?shù)信任路徑融合方法沒有考慮重復計算單條信任關系對應的信任觀念會導致群體性癔癥。先是基于結構平衡理論和平衡傳遞三角關系的分布特點提出了自適應信任傳遞算子。并考慮信任觀念合意中不同用戶對同一觀察事件可能具有不同的判斷，給出了一種考慮部分依賴的信任觀念合意算子。然后，提出了一種基于洪泛的自適應信任推理路徑融合