龙源期刊网 http://www.qikan.com.cn
基于网络结构相似性的信任度量方法
作者：万栋
来源：《物联网技术》2018年第04期
摘 要：社交网络的快速发展使得对信任问题的研究日益受到重视，信任的研究内容主要包括信任度量以及信任传播两方面，其中信任度量方法对后续信任的传播研究尤为重要。为了有效度量节点间的信任值，文中介绍了基于节点网络结构相似性的信任度量方法，并通过实验分析其合理性。
关键词：社交网络；信任度量；信任传播；相似性
中图分类号：TP391 文献标识码：A 文章编号：2095-1302（2018）04-00-02 0 引 言
信任一般被定义为个体基于自身的历史经验对其他个体未来行为的主观预期[1]。如今信任在很多方面扮演着重要角色，比如，内容提供商会为用户处理过量信息，只提供其感兴趣的内容；在线网络服务商提醒用户避免误点不安全的链接；在电子商务平台上的商品推荐板块等都能看到关于信任的应用场景[2，3]。在信任网络中，为了衡量节点间的信任强度，往往还要利用其他手段来计算节点之间的信任值。Li Ding[4]认为仅仅知道“个体A在领域X信任个体B”无法充分反映个体之间信任的意义，于是将信任分为两大类，即参考信任和相关信任。刘凯认为在社交网络中，用户的交互行为和时间衰减也是影响信任的因素，以此提出了基于两者加权的信任模型RBtrust[5]。本文利用信任网络中用户节点的结构相似性来构建信任度量模型。 1 结构相似性
本文的一些相关概念定义如下：
施信者：在信任关系中，是施加信任关系的用户节点； 受信者：在信任关系中，是被施加信任的用户节点； In-Neighbor（i）：节点i拥有的施信者节点集； Out-Neighbor（i）：节点i拥有的受信者节点集； Tijin：节点i与节点j拥有相似施信者形成的信任度； Tijout：节点i与节点j拥有相似受信者形成的信任度；
龙源期刊网 http://www.qikan.com.cn
Tijz（in）：标准化后的Tijin； Tijz（out）：标准化后的Tijout； Tij：节点i与节点j的加权信任度。 2 信任度量
文献[3]研究了用户评分的相似性与信任强度关系，提出了基于评分相似性的信任模型。本文关注网络结构的相似性，并从两方面构建了基于结构相似性的信任模型。在信任网络中，利用Jaccard系数定义了Tijin和Tijout： 3 实验结果 3.1 数据集
本文利用FilmTrust数据集[6]对之前提出的方法进行验证。该数据集采集自网站FilmTrust，该网站是电影评论网站，允许用户对电影进行评论打分以及对他人的评论进行打分。该FilmTrust数据集中有874个用户，1 853条信任关系链。 3.2 模型评估
本部分用于验证以上提出的信任度量模型在网络中的表现情况。由于用户间的关系有两种，包括直接信任关系和非直接信任关系，我们通过考察这两种信任关系，决定利用该信任度量模型计算得到的信任度。计算该施信者与其所有受信者之间的信任度Tij取平均值，用ts表示，然后在网络中删除该施信者的所有受信者，并在删除后的网络中随机选取相同个数的节点，计算该施信者与这些节点之间的信任度Tij，取平均，用rs表示。最后用两个向量st和sr分别表示网络中所有施信者在直接信任关系和非直接信任关系下的信任值，其中，向量st中的元素为每个施信者的ts值，向量sr中的元素为每个施信者的rs值，将st和sr进行分布检验，不同权重值α下st和sr的均值以及k-s检验结果见表1所列。由表中p值可知k-s检验不满足H0假设，说明用户之间拥有直接信任关系比非直接信任关系有更高的网络相似性。 4 结 语
本文从网络结构相似性的视角提出了基于网络结构相似性的信任度量模型，该模型可以很好地度量节点间的信任值，有利于后续信任传播的研究。 参考文献
[1] LIU L， SHI W. Trust and Reputation Management[J].IEEE Internet computing， 2010， 14（5）：10-13.
龙源期刊网 http://www.qikan.com.cn
[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]刘凯.社交网络中动态信任模型若干技术研究[D].宁波：宁波大学，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.基于树型网络结构的用户相似性度量算法研究[D].成都：四川师范大学，2015. [8]谭沛君.基于信任网络的共同评分项协同过滤算法研究[D].广州：中山大学，2012.
基于网络结构相似性的信任度量方法
