萬(wàn)棟

摘 要：社交網(wǎng)絡(luò)的快速發(fā)展使得對(duì)信任問(wèn)題的研究日益受到重視，信任的研究?jī)?nèi)容主要包括信任度量以及信任傳播兩方面，其中信任度量方法對(duì)后續(xù)信任的傳播研究尤為重要。為了有效度量節(jié)點(diǎn)間的信任值，文中介紹了基于節(jié)點(diǎn)網(wǎng)絡(luò)結(jié)構(gòu)相似性的信任度量方法，并通過(guò)實(shí)驗(yàn)分析其合理性。

關(guān)鍵詞：社交網(wǎng)絡(luò)；信任度量；信任傳播；相似性

中圖分類號(hào)：TP391 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：2095-1302（2018）04-00-02

0 引 言

信任一般被定義為個(gè)體基于自身的歷史經(jīng)驗(yàn)對(duì)其他個(gè)體未來(lái)行為的主觀預(yù)期[1]。如今信任在很多方面扮演著重要角色，比如，內(nèi)容提供商會(huì)為用戶處理過(guò)量信息，只提供其感興趣的內(nèi)容；在線網(wǎng)絡(luò)服務(wù)商提醒用戶避免誤點(diǎn)不安全的鏈接；在電子商務(wù)平臺(tái)上的商品推薦板塊等都能看到關(guān)于信任的應(yīng)用場(chǎng)景[2，3]。在信任網(wǎng)絡(luò)中，為了衡量節(jié)點(diǎn)間的信任強(qiáng)度，往往還要利用其他手段來(lái)計(jì)算節(jié)點(diǎn)之間的信任值。Li Ding[4]認(rèn)為僅僅知道“個(gè)體A在領(lǐng)域X信任個(gè)體B”無(wú)法充分反映個(gè)體之間信任的意義，于是將信任分為兩大類，即參考信任和相關(guān)信任。劉凱認(rèn)為在社交網(wǎng)絡(luò)中，用戶的交互行為和時(shí)間衰減也是影響信任的因素，以此提出了基于兩者加權(quán)的信任模型RBtrust[5]。本文利用信任網(wǎng)絡(luò)中用戶節(jié)點(diǎn)的結(jié)構(gòu)相似性來(lái)構(gòu)建信任度量模型。

1 結(jié)構(gòu)相似性

本文的一些相關(guān)概念定義如下：

施信者：在信任關(guān)系中，是施加信任關(guān)系的用戶節(jié)點(diǎn)；

受信者：在信任關(guān)系中，是被施加信任的用戶節(jié)點(diǎn)；

In-Neighbor（i）：節(jié)點(diǎn)i擁有的施信者節(jié)點(diǎn)集；

Out-Neighbor（i）：節(jié)點(diǎn)i擁有的受信者節(jié)點(diǎn)集；

Tijin：節(jié)點(diǎn)i與節(jié)點(diǎn)j擁有相似施信者形成的信任度；

Tijout：節(jié)點(diǎn)i與節(jié)點(diǎn)j擁有相似受信者形成的信任度；

Tijz（in）：標(biāo)準(zhǔn)化后的Tijin；

Tijz（out）：標(biāo)準(zhǔn)化后的Tijout；

Tij：節(jié)點(diǎn)i與節(jié)點(diǎn)j的加權(quán)信任度。

2 信任度量

文獻(xiàn)[3]研究了用戶評(píng)分的相似性與信任強(qiáng)度關(guān)系，提出了基于評(píng)分相似性的信任模型。本文關(guān)注網(wǎng)絡(luò)結(jié)構(gòu)的相似性，并從兩方面構(gòu)建了基于結(jié)構(gòu)相似性的信任模型。在信任網(wǎng)絡(luò)中，利用Jaccard系數(shù)定義了Tijin和Tijout：

3 實(shí)驗(yàn)結(jié)果

3.1 數(shù)據(jù)集

本文利用FilmTrust數(shù)據(jù)集[6]對(duì)之前提出的方法進(jìn)行驗(yàn)證。該數(shù)據(jù)集采集自網(wǎng)站FilmTrust，該網(wǎng)站是電影評(píng)論網(wǎng)站，允許用戶對(duì)電影進(jìn)行評(píng)論打分以及對(duì)他人的評(píng)論進(jìn)行打分。該FilmTrust數(shù)據(jù)集中有874個(gè)用戶，1 853條信任關(guān)系鏈。

3.2 模型評(píng)估

本部分用于驗(yàn)證以上提出的信任度量模型在網(wǎng)絡(luò)中的表現(xiàn)情況。由于用戶間的關(guān)系有兩種，包括直接信任關(guān)系和非直接信任關(guān)系，我們通過(guò)考察這兩種信任關(guān)系，決定利用該信任度量模型計(jì)算得到的信任度。計(jì)算該施信者與其所有受信者之間的信任度Tij取平均值，用ts表示，然后在網(wǎng)絡(luò)中刪除該施信者的所有受信者，并在刪除后的網(wǎng)絡(luò)中隨機(jī)選取相同個(gè)數(shù)的節(jié)點(diǎn)，計(jì)算該施信者與這些節(jié)點(diǎn)之間的信任度Tij，取平均，用rs表示。最后用兩個(gè)向量st和sr分別表示網(wǎng)絡(luò)中所有施信者在直接信任關(guān)系和非直接信任關(guān)系下的信任值，其中，向量st中的元素為每個(gè)施信者的ts值，向量sr中的元素為每個(gè)施信者的rs值，將st和sr進(jìn)行分布檢驗(yàn)，不同權(quán)重值α下st和sr的均值以及k-s檢驗(yàn)結(jié)果見(jiàn)表1所列。由表中p值可知k-s檢驗(yàn)不滿足H0假設(shè)，說(shuō)明用戶之間擁有直接信任關(guān)系比非直接信任關(guān)系有更高的網(wǎng)絡(luò)相似性。

4 結(jié) 語(yǔ)

本文從網(wǎng)絡(luò)結(jié)構(gòu)相似性的視角提出了基于網(wǎng)絡(luò)結(jié)構(gòu)相似性的信任度量模型，該模型可以很好地度量節(jié)點(diǎn)間的信任值，有利于后續(xù)信任傳播的研究。

參考文獻(xiàn)

[1] LIU L， SHI W. Trust and Reputation Management[J].IEEE Internet computing， 2010， 14（5）：10-13.

[2] TANG J， GAO H， H LIU. mTrust： discerning multi-faceted trust in a connected world[Z].

[3] TANG J，GAO H，HU X， et al.Exploiting homophily effect for trust prediction[C]// Acm International Conference on Web Search & Data Mining， 2013：53-62.

[4] DING L，KOLARI P，GANJUGUNTE S， et al. Modeling and Evaluating Trust Network Inference[Z].

[5]劉凱.社交網(wǎng)絡(luò)中動(dòng)態(tài)信任模型若干技術(shù)研究[D].寧波：寧波大學(xué)，2014.

[6] GUO G， ZHANG J， N Yorke-Smith. A novel Bayesian similarity measure for recommender systems[C]// International Joint Conference on Artificial Intelligence. AAAI Press， 2013：2619-2625.

[7]李雪琴.基于樹(shù)型網(wǎng)絡(luò)結(jié)構(gòu)的用戶相似性度量算法研究[D].成都：四川師范大學(xué)，2015.

[8]譚沛君.基于信任網(wǎng)絡(luò)的共同評(píng)分項(xiàng)協(xié)同過(guò)濾算法研究[D].廣州：中山大學(xué)，2012.