基于網絡結構相似性的信任度量方法

萬棟

摘 要：社交網絡的快速發展使得對信任問題的研究日益受到重視，信任的研究內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后續信任的傳播研究尤為重要。為了有效度量節點間的信任值，文中介紹了基于節點網絡結構相似性的信任度量方法，并通過實驗分析其合理性。

關鍵詞：社交網絡；信任度量；信任傳播；相似性

中圖分類號：TP391 文獻標識碼：A 文章編號：2095-1302（2018）04-00-02

0 引 言

信任一般被定義為個體基于自身的歷史經驗對其他個體未來行為的主觀預期[1]。如今信任在很多方面扮演著重要角色，比如，內容提供商會為用戶處理過量信息，只提供其感興趣的內容；在線網絡服務商提醒用戶避免誤點不安全的鏈接；在電子商務平臺上的商品推薦板塊等都能看到關于信任的應用場景[2，3]。在信任網絡中，為了衡量節點間的信任強度，往往還要利用其他手段來計算節點之間的信任值。Li Ding[4]認為僅僅知道“個體A在領域X信任個體B”無法充分反映個體之間信任的意義，于是將信任分為兩大類，即參考信任和相關信任。劉凱認為在社交網絡中，用戶的交互行為和時間衰減也是影響信任的因素，以此提出了基于兩者加權的信任模型RBtrust[5]。本文利用信任網絡中用戶節點的結構相似性來構建信任度量模型。

1 結構相似性

本文的一些相關概念定義如下：

施信者：在信任關系中，是施加信任關系的用戶節點；

受信者：在信任關系中，是被施加信任的用戶節點；

In-Neighbor（i）：節點i擁有的施信者節點集；

Out-Neighbor（i）：節點i擁有的受信者節點集；

Tijin：節點i與節點j擁有相似施信者形成的信任度；

Tijout：節點i與節點j擁有相似受信者形成的信任度；

Tijz（in）：標準化后的Tijin；

Tijz（out）：標準化后的Tijout；

Tij：節點i與節點j的加權信任度。

2 信任度量

文獻[3]研究了用戶評分的相似性與信任強度關系，提出了基于評分相似性的信任模型。本文關注網絡結構的相似性，并從兩方面構建了基于結構相似性的信任模型。在信任網絡中，利用Jaccard系數定義了Tijin和Tijout：

3 實驗結果

3.1 數據集

本文利用FilmTrust數據集[6]對之前提出的方法進行驗證。該數據集采集自網站FilmTrust，該網站是電影評論網站，允許用戶對電影進行評論打分以及對他人的評論進行打分。該FilmTrust數據集中有874個用戶，1 853條信任關系鏈。

3.2 模型評估

本部分用于驗證以上提出的信任度量模型在網絡中的表現情況。由于用戶間的關系有兩種，包括直接信任關系和非直接信任關系，我們通過考察這兩種信任關系，決定利用該信任度量模型計算得到的信任度。計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，然后在網絡中刪除該施信者的所有受信者，并在刪除后的網絡中隨機選取相同個數的節點，計算該施信者與這些節點之間的信任度Tij，取平均，用rs表示。最后用兩個向量st和sr分別表示網絡中所有施信者在直接信任關系和非直接信任關系下的信任值，其中，向量st中的元素為每個施信者的ts值，向量sr中的元素為每個施信者的rs值，將st和sr進行分布檢驗，不同權重值α下st和sr的均值以及k-s檢驗結果見表1所列。由表中p值可知k-s檢驗不滿足H0假設，說明用戶之間擁有直接信任關系比非直接信任關系有更高的網絡相似性。

4 結 語

本文從網絡結構相似性的視角提出了基于網絡結構相似性的信任度量模型，該模型可以很好地度量節點間的信任值，有利于后續信任傳播的研究。

參考文獻

[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.社交網絡中動態信任模型若干技術研究[D].寧波：寧波大學，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.基于樹型網絡結構的用戶相似性度量算法研究[D].成都：四川師范大學，2015.

[8]譚沛君.基于信任網絡的共同評分項協同過濾算法研究[D].廣州：中山大學，2012.