孟憲佳,馬建峰,王一川,盧笛

(西安電子科技大學(xué)計(jì)算機(jī)學(xué)院,710071,西安)

?

面向社交網(wǎng)絡(luò)中多背景的信任評(píng)估模型

孟憲佳,馬建峰,王一川,盧笛

(西安電子科技大學(xué)計(jì)算機(jī)學(xué)院,710071,西安)

針對(duì)信任由背景敏感性導(dǎo)致的在社交網(wǎng)絡(luò)中難以有效評(píng)估用戶間接信任值的問題,提出了一種面向多交互背景的間接信任評(píng)估模型(multiple-context trust evaluation,MCTE)。該模型利用相關(guān)性概念,通過對(duì)各背景下網(wǎng)絡(luò)結(jié)構(gòu)和用戶信任關(guān)系的綜合分析,建立覆蓋在信任網(wǎng)絡(luò)之上的相關(guān)性網(wǎng)絡(luò),進(jìn)而利用交互背景的相關(guān)性計(jì)算跨背景用戶的間接信任值。模型避免了多背景以及疏散網(wǎng)絡(luò)中間接用戶信任路徑難以尋求,以及信任衰減對(duì)評(píng)估的影響,有針對(duì)性地為用戶組建立相關(guān)網(wǎng)絡(luò),保證了預(yù)測(cè)的準(zhǔn)確性及合理性。對(duì)真實(shí)社交網(wǎng)絡(luò)的實(shí)驗(yàn)結(jié)果表明,MCTE模型不僅可以計(jì)算單一背景下用戶的間接信任值,更適用于多交互背景下用戶信任值的預(yù)測(cè)。與已有模型相比,評(píng)估準(zhǔn)確度有較大的提高。

社交網(wǎng)絡(luò);信任評(píng)估;多背景

線上社交網(wǎng)絡(luò)設(shè)計(jì)的初衷是讓網(wǎng)絡(luò)成員能夠與更多的陌生成員進(jìn)行交互,從而開拓新的商業(yè)、政治、交際的可能性[1-3],然而由于其開放性以及廣泛的流行性,用戶的隱私以及數(shù)據(jù)安全問題成為其達(dá)到預(yù)期目的的重大阻礙之一[4]。建立一個(gè)讓社交網(wǎng)絡(luò)成員公開、自由、安全分享信息的平臺(tái)是必須要面對(duì)的問題[5-6]。社交網(wǎng)絡(luò)成員利用信任關(guān)系建立交互并處理復(fù)雜的系統(tǒng)和信息的不確定性所帶來的各種威脅是解決這一問題的有效途徑。在這種框架下,信任是社會(huì)成員之間所有交互的基礎(chǔ)[7],也是分享信息和開發(fā)新的社會(huì)關(guān)系的決定因素[8]。

近年來,眾多學(xué)者從事于社交網(wǎng)絡(luò)中對(duì)未知用戶的信任評(píng)估研究。Andersen等提出了基于平均理念的評(píng)估方案[9-10],這些方案適用于各種網(wǎng)絡(luò)環(huán)境中,然而對(duì)于社交網(wǎng)絡(luò)個(gè)體的特殊性不能有效地描述。Golbeck等提出了基于信任傳遞性的評(píng)估模型[11-12],這種模型利用信任的傳遞性建立節(jié)點(diǎn)間的信任路徑對(duì)信任值進(jìn)行評(píng)估,然而這些方法無法建立多背景下的信任路徑。Hang等提出了一種基于網(wǎng)絡(luò)相似性的評(píng)估機(jī)制[13],然而這種機(jī)制對(duì)于非對(duì)稱的信任關(guān)系不能有效地區(qū)分。

對(duì)背景敏感是信任的重要屬性[14-15],如何綜合利用已知背景下的信任信息,對(duì)各個(gè)背景下未知節(jié)點(diǎn)的信任值進(jìn)行評(píng)估是上述方法不能有效解決的問題。本文提出一種基于網(wǎng)絡(luò)相關(guān)性的信任評(píng)估模型(multiple-context trust evaluation,MCTE),這種模型利用相關(guān)性的概念計(jì)算網(wǎng)絡(luò)節(jié)點(diǎn),再利用相關(guān)性網(wǎng)絡(luò)完善信任網(wǎng)絡(luò)。最后,未知的信任值從完善后的信任網(wǎng)絡(luò)得到。這種算法不僅適用于單背景下的陌生網(wǎng)絡(luò)節(jié)點(diǎn)的信任評(píng)估,更在多背景環(huán)境下有著出色的表現(xiàn),對(duì)于解決跨背景信任評(píng)估問題較現(xiàn)有算法有著較大的優(yōu)勢(shì)。通過對(duì)真實(shí)社交網(wǎng)絡(luò)的數(shù)據(jù)進(jìn)行測(cè)試,發(fā)現(xiàn)在準(zhǔn)確度方面超過現(xiàn)有的算法,在節(jié)點(diǎn)的可計(jì)算度方面與傳遞法基本持平,略低于平均法,但是由于平均法的高誤差,MCTE方案在綜合性能上超過現(xiàn)有的算法。

1 相關(guān)性網(wǎng)絡(luò)

為了建立相關(guān)性網(wǎng)絡(luò),本文將共同信任以一種條件概率的形式定義,即假設(shè)存在用戶A、B、C,那么A與B共同信任C的概率為,在B信任C的條件下A同樣信任C的概率。本文用T(A/B)表示A對(duì)B的信任值,T((A∪B)/C)表示A、B共同對(duì)C的信任值,那么在如圖1所示的信任網(wǎng)絡(luò)中,當(dāng)A、B的獨(dú)立性無法確定的情況下只能得到

T((A∪B)/C)≠T(A/C)T(B/C)

(1)

然而當(dāng)T(B/C)=1時(shí)可以得到

T((A∪B)/C)≠T(A/C)

(2)

圖1 簡(jiǎn)單信任網(wǎng)絡(luò)

如上所述,當(dāng)B完全信任C時(shí),A與B共同信任C的情況就相當(dāng)于A單獨(dú)信任C的情況。信任的準(zhǔn)確量化對(duì)于社交網(wǎng)絡(luò)用戶來說往往是困難的,因此在實(shí)際應(yīng)用中用戶的信任常出現(xiàn)相信或不相信這種二元分布,即信任值為1的情況是大量存在的。

令T(A)為A對(duì)任意與其相連的用戶的信任值的期望,則

T(A)=EXT(A/X)

(3)

在信任網(wǎng)絡(luò)中,A可能產(chǎn)生信任關(guān)系的用戶未必都與其直接相連,對(duì)于和A不直接相連用戶的信任值應(yīng)視為一個(gè)缺省值而非0。

由式(1)可得,在不能確定用戶之間的獨(dú)立性時(shí)同樣滿足

T(A∪B)=EXT((A∪B)/X)

然而,在B對(duì)用戶群X完全信任的情況下由式(2)可得

T(A∪B)=EXT(A/X)

(4)

令R(A/B)表示用戶A與用戶B的相關(guān)度,它表示A在B完全信任某隨機(jī)用戶的條件下同樣信任該用戶的概率。A與B的相關(guān)性可以在整個(gè)信任網(wǎng)絡(luò)中傳播。

R(A/B)的計(jì)算方法為

R(A/B)=EX(T((A∪B)/X)/T(B/X)=1)=

EXT(A/X)

(5)

相關(guān)性不同于相似性。它們最直觀的區(qū)別是相似性是一種對(duì)稱的特性,也就是說假使A與B相似,那么B與A也相似,然而本文所述的相關(guān)性是非對(duì)稱的,即R(A/B)≠R(B/A)。此外,在實(shí)際的信任網(wǎng)絡(luò)中經(jīng)常會(huì)見到用戶A、B對(duì)某用戶個(gè)體或群體擁有相同的信任值,不能由這種現(xiàn)象估計(jì)A與B的相關(guān)性,盡管其行為非常相似。

在定義了用戶的相關(guān)性后,可以在信任網(wǎng)絡(luò)之上構(gòu)建相關(guān)性網(wǎng)絡(luò),從而擴(kuò)展信任的傳播性。由式(5)可得,當(dāng)T(A/X)≠null且T(B/X)=1時(shí),R(A/B)=EXT(A/X)?？梢詫(A/B)視作當(dāng)T(A/X)≠null且T(B/X)=1時(shí)的均值,從而由部分T(A/X)觀測(cè)值預(yù)測(cè)未知的T(A/X)值。當(dāng)用戶樣本非常龐大時(shí),對(duì)任意用戶X在T(B/X)=1時(shí),可以近似地估計(jì)其信任值

T(A/X)≈R(A/B)

進(jìn)一步考慮到每一個(gè)至少通過某一用戶群體X從而與A相關(guān)的用戶B,可以得到

T(A/X)≈EBR(A/B)

(6)

圖2所示為建立在信任網(wǎng)絡(luò)之上的相關(guān)性網(wǎng)絡(luò),虛線代表相關(guān)性,實(shí)線代表信任值。

圖2 相關(guān)性網(wǎng)絡(luò)及底層信任網(wǎng)絡(luò)

由式(6)可得用戶A對(duì)D的信任值為

T(A/D)=(0.8+0.6)/2=0.7

相關(guān)性網(wǎng)絡(luò)是建立在信任網(wǎng)絡(luò)基礎(chǔ)上的,因此可以依靠相關(guān)性網(wǎng)絡(luò)由已知用戶的信任關(guān)系估計(jì)未知用戶的信任關(guān)系,將式(5)代入式(6)可得

R(A/X)≈EBR(A/B)=EBEY(A/Y)

(7)

僅當(dāng)T(B/Y)=1且T(B/X)=1

以上關(guān)于相關(guān)性網(wǎng)絡(luò)的推導(dǎo)均建立在A與B的獨(dú)立性不確定的基礎(chǔ)上,但在實(shí)際的社交網(wǎng)絡(luò)中,用戶的獨(dú)立性往往是很明顯的。因此,在確定用戶獨(dú)立的基礎(chǔ)上可以得到如下公式

EXT((A∪B)/X)=EXT(A/X)T(B/X)

進(jìn)一步由式(5)和式(6)可得

R(A/B)=EXT(A/X)T(B/X)/EXT(B/X)

X≠A≠B

(8)

X≠A≠B

(9)

式(8)、式(9)在實(shí)際社交網(wǎng)絡(luò)中的信任評(píng)估有著重要的作用。利用相關(guān)性的特點(diǎn)不僅可以對(duì)相同交互背景下的節(jié)點(diǎn)進(jìn)行信任評(píng)估,同樣適用于不同交互背景下的用戶建立信任評(píng)估模型。

2 MCTE模型

假設(shè)存在如圖3所示的兩種相互獨(dú)立的交互背景A和B,在環(huán)境A中用戶C1對(duì)用戶C2的信任概率為TA(C1/C2),在環(huán)境B中用戶C1對(duì)用戶C2的信任概率為TB(C1/C2),那么用戶C1在環(huán)境A與環(huán)境B中共同信任C2的概率為

TAB(C1/C2)=TA(C1/C2)TB(C1/C2)

圖3 雙背景下的信任網(wǎng)絡(luò)示例

在環(huán)境A中用戶C1對(duì)所有交互對(duì)象的信任的期望為EXTA(C1/X),簡(jiǎn)記做TA(C1),同理在環(huán)境B中C1對(duì)所有交互對(duì)象的信任的期望為TB(C1)。這里在環(huán)境A與環(huán)境B中,用戶C1交互的對(duì)象集合為同一集合X={x1,x2,…,xi},且xi不等于C1。

用戶C1在環(huán)境A與環(huán)境B中同時(shí)信任集合X的概率為

T(A∪B)(C1)=EX(TA(C1/X)TB(C1/X))

根據(jù)貝葉斯公式

TA|B(C1)=

EX(TA(C1/X)TB(C1/X))/EXTB(C1/X)

TA|B(C1)是環(huán)境A與環(huán)境B的相關(guān)性函數(shù),為了更加明確地表示,將TA|B(C1)記做RA|B(C1)。再次通過貝葉斯公式可以求得如圖1所示的在環(huán)境A中用戶C1對(duì)用戶R(A∪B)的信任值。具體方法如下

TB(C1/R(A∪B)))/TB(C1/R(A∪B))-

上述計(jì)算方法是通過用戶C1在環(huán)境B中對(duì)R(A∪B)的信任情況預(yù)測(cè)該用戶在環(huán)境A中對(duì)R(A∪B)的信任情況。在現(xiàn)實(shí)環(huán)境中,可能存在許多C1與R(A∪Y)交互的環(huán)境,單獨(dú)依靠某一環(huán)境的信任狀況作為參考不夠全面,應(yīng)該對(duì)這些環(huán)境中的信任情況作綜合考慮。具體方法如下所述:假設(shè)存在Y個(gè)獨(dú)立且與C1擁有共同交互對(duì)象R(A∪Y)的環(huán)境,由環(huán)境Y與環(huán)境A的相關(guān)性計(jì)算用戶C1對(duì)R(A∪Y)的信任值TA(C1/RA∪Y),再通過求TA(C1/RA∪Y)的期望,得到在環(huán)境A中用戶C1對(duì)R的信任值

TA(C1/R)=∑YTA(C1/RA∪Y)/|Y|

(10)

式中:|Y|是不同環(huán)境的個(gè)數(shù)。

3 實(shí) 驗(yàn)

本文提出的MCTE信任評(píng)估模型在實(shí)際社交網(wǎng)絡(luò)中的實(shí)驗(yàn)主要面向兩個(gè)問題:第一是信任評(píng)估的準(zhǔn)確度;第二是在社交網(wǎng)絡(luò)中用戶的可評(píng)估度。所謂可評(píng)估度是指在有一定用戶信任資料以及網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)信息的情況下,可以預(yù)測(cè)未知用戶信任值的能力。

采用公開的Advogato數(shù)據(jù)集[16]抽取出用戶在不同背景下的交互以及評(píng)價(jià)記錄,分別建立相應(yīng)的信任關(guān)系。該數(shù)據(jù)集的用戶數(shù)量十分龐大,考慮到實(shí)驗(yàn)環(huán)境等諸多方面的因素,本文抽取500個(gè)活躍用戶作為網(wǎng)絡(luò)節(jié)點(diǎn),并以其存在的信任關(guān)系為邊構(gòu)建信任網(wǎng)絡(luò)。時(shí)間方面采用的交互數(shù)據(jù)起始日期為2012年9月,截止日期為2013年6月,并分別抽取其中連續(xù)的3個(gè)月進(jìn)行3次實(shí)驗(yàn)。為了與本文提出的信任模型比較,對(duì)以上數(shù)據(jù)集還分別用兩種現(xiàn)存的方案進(jìn)行了信任評(píng)估。這兩種方案分別是:①平均法,這種方法先找到所有除A外其他用戶對(duì)B的信任值,再求出這些值的均值作為A對(duì)B的信任值;②傳遞法,這種方法以信任的傳遞性為依據(jù),在A對(duì)B進(jìn)行信任評(píng)估時(shí),首先找出在網(wǎng)絡(luò)中所有從A到B的路徑,再由這些路徑分別計(jì)算信任值,最后綜合這些信任值計(jì)算A對(duì)B的信任值。在綜合各路徑的信任值時(shí)現(xiàn)存的方案有多種,有的采用均值的方法,有的采用最大或最小值的方法,有的對(duì)各路徑進(jìn)行分類,并按照一定的規(guī)則對(duì)各路徑的影響賦以權(quán)值,從而進(jìn)行綜合評(píng)估。本文采用均值法處理各路徑的信任值。至于其他的信任綜合方法與均值法相比顯示的優(yōu)勢(shì)遠(yuǎn)不及MCTE模型與其相比的優(yōu)勢(shì)。

首先在同一背景下以相關(guān)性網(wǎng)絡(luò)方案與其他兩種方案進(jìn)行比較。圖4描述了相關(guān)性網(wǎng)絡(luò)方案與其他兩種方案相比在準(zhǔn)確度上的優(yōu)勢(shì)。圖中橫坐標(biāo)S是邊數(shù)與節(jié)點(diǎn)數(shù)的比值,表示每個(gè)用戶平均評(píng)價(jià)其他用戶的數(shù)量。由圖可以很明顯地觀察到,相關(guān)性網(wǎng)絡(luò)方案計(jì)算得到的信任值的準(zhǔn)確度在全部覆蓋率范圍內(nèi)保持在0.85±0.04。在覆蓋率小于2的區(qū)間,準(zhǔn)確度由0.85開始緩慢地減小。在覆蓋率達(dá)到4附近時(shí)減小到最低,這可能是由于覆蓋率在較低的區(qū)間增長(zhǎng),增加了許多干擾信息以使算法的準(zhǔn)確度降低。當(dāng)覆蓋率達(dá)到6左右時(shí),準(zhǔn)確度又回升到初始的0.85,相關(guān)性網(wǎng)絡(luò)在準(zhǔn)確度方面的優(yōu)勢(shì)較之另外兩種算法是非常明顯的。平均法計(jì)算的信任準(zhǔn)確度很低的原因是其對(duì)個(gè)體特殊性的不敏感,從完全均衡的角度來度量用戶的信任值,忽略了信任的主觀特性,因此造成較大的誤差。傳遞法在準(zhǔn)確度上比平均法有了很大的提高,其能夠從特定用戶出發(fā),找到一條由評(píng)估者到受評(píng)估者的路徑,然而和MCTE方法相比還存在一定的差距。

圖4 3種評(píng)估方法在單背景下的準(zhǔn)確度比較

圖5顯示了在可評(píng)估度方面相關(guān)性網(wǎng)絡(luò)與其他兩種方案的比較?？稍u(píng)估度定義為在所有的網(wǎng)絡(luò)節(jié)點(diǎn)中可評(píng)估節(jié)點(diǎn)的百分比。從圖中可以觀察到,平均法在可評(píng)估度上占有巨大的優(yōu)勢(shì),MCTE方案和傳遞法的結(jié)果有著近似的表現(xiàn)。在覆蓋率等于2(平均每個(gè)用戶只對(duì)兩個(gè)用戶進(jìn)行過信任評(píng)估)時(shí),僅有8%的可評(píng)估度。隨著覆蓋率達(dá)到4,可評(píng)估度上升到31%。在覆蓋率達(dá)到6時(shí),可評(píng)估度達(dá)到45%,并且上升趨勢(shì)開始減慢。由圖還可見,MCTE方案的可評(píng)估度在覆蓋率為4左右時(shí)上升趨勢(shì)最明顯。這一現(xiàn)象的原因是在現(xiàn)實(shí)網(wǎng)絡(luò)中用戶之間的連線往往出現(xiàn)高度的集群化現(xiàn)象,而非完全隨機(jī)的分布,這同樣也說明在稀疏網(wǎng)絡(luò)中MCTE方案能夠達(dá)到令人滿意的效果。雖然平均法在可評(píng)估度上有著較大的優(yōu)勢(shì),但是由之前的實(shí)驗(yàn)可得其在準(zhǔn)確度方面的表現(xiàn)較差。在現(xiàn)實(shí)的社交網(wǎng)絡(luò)中,信任評(píng)估的準(zhǔn)確性較之網(wǎng)絡(luò)的可評(píng)估度對(duì)用戶來說往往更為重要。

圖5 3種評(píng)估方法在單背景下的可評(píng)估度比較

前文中對(duì)單背景MCTE方案與其他兩種方案在準(zhǔn)確性和可評(píng)估度方面做了比較,下文對(duì)多背景下信任值的準(zhǔn)確性和可評(píng)估度做出比較。本文選取用戶在2種和10種相互獨(dú)立背景下的信任評(píng)估數(shù)據(jù),如圖6所示,隨著背景的增加,MCTE模型的準(zhǔn)確度也會(huì)提高。這是由于MCTE方案隨著背景的增加可以選擇更短并且相關(guān)性更強(qiáng)的路徑對(duì)用戶信任值進(jìn)行評(píng)估。另外可以觀察到,準(zhǔn)確度隨著背景的增長(zhǎng),每增加一個(gè)背景即增加0.01±0.005的準(zhǔn)確度,這也代表著在每一背景下的平均誤差減少了大約0.01。在實(shí)際的社交網(wǎng)絡(luò)中,交互背景的數(shù)量遠(yuǎn)不止幾個(gè)或幾十個(gè),MCTE方案的使用將在更多背景的應(yīng)用場(chǎng)合發(fā)揮更大的優(yōu)勢(shì)。

圖6 信任值在多背景下準(zhǔn)確度的比較

圖7顯示了在多背景下MCTE方案在可評(píng)估度方面的表現(xiàn)。與準(zhǔn)確度類似,MCTE方案隨著背景的增加可評(píng)估度也隨之提高,其增加幅度大致在0.01±0.01范圍內(nèi)。舉例來說,從單背景到2背景,可評(píng)估度提高的均值為0.03,這代表著網(wǎng)絡(luò)中增加了3%的節(jié)點(diǎn)可以評(píng)估,到10背景時(shí),可評(píng)估度提高的均值達(dá)到0.09。在實(shí)際的社交網(wǎng)絡(luò)中存在大量的交互背景,MCTE的性能將進(jìn)一步提高。

圖7 信任值在多背景下可評(píng)估度的比較

4 結(jié) 論

社交網(wǎng)絡(luò)中的間接信任評(píng)估是信任計(jì)算中的熱點(diǎn)問題,由于信任對(duì)交互背景敏感的特性,本文在分析現(xiàn)存方案所存在的不足后,提出了基于相關(guān)性網(wǎng)絡(luò)的信任評(píng)估模型MCTE,這種模型可以有效地克服現(xiàn)存的模型在以下兩方面的缺點(diǎn):僅考慮網(wǎng)絡(luò)全局性而忽略節(jié)點(diǎn)自身特性;僅通過簡(jiǎn)單的傳遞模型而忽略信任的衰減。MCTE利用相關(guān)性的概念在原有信任網(wǎng)絡(luò)之上建立相關(guān)性網(wǎng)絡(luò),再由完備的相關(guān)性網(wǎng)絡(luò)更新信任網(wǎng)絡(luò),從而得到未知網(wǎng)絡(luò)成員的信任狀況。這種方法不僅可以計(jì)算單背景下的未知用戶的信任值,同樣適用于多背景環(huán)境下。對(duì)真實(shí)社交網(wǎng)絡(luò)的實(shí)驗(yàn)結(jié)果表明了MCTE模型的可用性,以及較現(xiàn)有模型的優(yōu)勢(shì)。

MCTE對(duì)于未知信任節(jié)點(diǎn)的評(píng)估強(qiáng)烈依賴于現(xiàn)存信任網(wǎng)絡(luò)中信任關(guān)系的準(zhǔn)確性,對(duì)于存在惡意或是不能給出準(zhǔn)確信任信息的網(wǎng)絡(luò),模型的性能受到較大的限制。如何辨別惡意節(jié)點(diǎn)和優(yōu)化現(xiàn)有信任關(guān)系的準(zhǔn)確度是將來研究的方向之一。

[1]SHERCHAN W, NEPAL S, PARIS C.A survey of trust in social networks [J].ACM Computing Surveys, 2013, 45(4):47-79.

[2]BARNES J A.Class and committees in a Norwegian island parish [J].Human Relations, 1954, 7(1):39-58.

[3]張賽, 徐恪, 李海濤.微博類社交網(wǎng)絡(luò)中信息傳播的測(cè)量與分析 [J].西安交通大學(xué)學(xué)報(bào), 2013, 47(2):124-130.ZHANG Sai, XU Ke, LI Haitao.Measurement and analysis of information propagation in online social networks like microblog [J].Journal of Xi’an Jiaotong University, 2013, 47(2):124-130.

[4]GROSS R, ACQUISTI A.Information revelation and privacy in online social networks [C]∥Proceedings of the ACM Workshop on Privacy in the Electronic Society.New York, USA:ACM, 2005:71-80.

[5]MOLM L D, TAKAHASHI N, PETERSON G.Risk and trust in social exchange:an experimental test of a classical proposition [J].American Journal of Sociology, 2000, 105(5):1396-1427.

[6]ZAPPEN J P, HARRISON T M, WATSON D.A new paradigm for designing e-government:Web 2.0 and experience design [C]∥Proceedings of the International Conference on Digital Government Research.Berlin, Germany:Springer, 2008:17-26.

[7]ABDUL-RAHMAN A, HAILES S.Supporting trust in virtual communities [C]∥Proceedings of the 33rd Hawaii International Conference on System Sciences.Piscataway, NJ, USA:IEEE, 2000:1-9.

[8]DWYER C, HILTZ S R, PASSERINI K.Trust and privacy concern within social networking sites:a comparison of Facebook and Myspace [C]∥Proceedings of the 13th Americas Conference on Information Systems.Atlanta, GA, USA:Association Information Systems, 2007:1725-1735.

[9]ANDERSEN R, BORGS C, CHAYES J, et al.Trust-based recommendation systems:an axiomatic approach [C]∥Proceedings of the 17th International Conference on Intelligent User Interfaces.New York, USA:ACM, 2008:199-208.

[10]O’DONOVAN J, SMYTH B.Trust in recommender systems [C]∥Proceedings of the 10th International Conference on Intelligent User Interfaces.New York, USA:ACM, 2005:167-174.

[11]GOLBECK J, HENDLER J.Inferring binary trust relationships in web based social networks [J].ACM Transactions on Internet Technology, 2006, 6(4):497-529.

[12]HUANG Zan, CHEN H, ZENG D.Applying associative retrieval techniques to alleviate the sparsity problem in collaborative filtering [J].ACM Transactions on Information Systems, 2004, 22(1):116-142.

[13]HANG C W, SINGH M P.Trust based recommendation based on graph similarities [EB/OL].(2010-11-13) [2014-09-10].http:∥www.csc.ncsu.edu/faculty/mpsingh/papers/mas/aamas-trust-10-graph.pdf.

[14]TOIVONEN S, LENZINI G, UUSITALO I.Context-aware trust evaluation functions for dynamic reconfigurable systems [C]∥Proceedings of the Models of Trust for the Web Workshop.Berlin, Germany:Springer, 2006:11.

[15]ROUSSEAU D M, SITKIN S B, BURT R S, et al.Not so different after all:a cross-discipline view of trust [J].Academy Management Review, 1998, 23(3):393-404.

[16]MASSA P, SOUREN K, SALVETTI M, et al.Trustlet, open research on trust metrics [J].Journal of Scalable Computing:Practice and Experience, 2008, 9(4):341-351.

(編輯 武紅江)

MCTE:a Trust Evaluation Model for Multiple Context in Social Networks

MENG Xianjia,MA Jianfeng,WANG Yichuan,LU Di

(School of Computer Science and Technology, Xidian University, Xi’an 710071, China)

A novel multiple-context trust evaluation model, named MCTE, is proposed for social networks to deal with the problem that it is difficult to effectively evaluate indirect trust value between users due to the context sensitivity of trust.A relevance network on top of trust networks is established by taking advantages of the relevant concepts, and through a comprehensive analysis of network structures and user’s trust relationship in each context.Then user’s indirect trust across the context is calculated by using the relevance of context.The Model avoids the effect of the trust attenuation on evaluation and the problem that the trust path between indirect users is difficult to find in multiple context and sparse networks, so that relevance networks of user groups can be built, and the evaluation accuracy and reasonableness are ensured.Experimental results on real social networks shows that the MCTE model can compute the indirect trust value in one single context, and is suitable for the prediction of user’s indirect trust in multiple context.Comparison with an existing model shows that the evaluation accuracy of the proposed model improves a lot.

social networks; trust evaluation; multiple context

2014-10-15。 作者簡(jiǎn)介:孟憲佳(1985—),男,博士生;馬建峰(通信作者),男,教授,博士生導(dǎo)師。 基金項(xiàng)目:國(guó)家自然科學(xué)基金資助項(xiàng)目(61174146,61221063)。

時(shí)間:2015-03-04

http:∥www.cnki.net/kcms/detail/61.1069.T.20150304.1641.002.html

10.7652/xjtuxb201504012

TP309

A

0253-987X(2015)04-0073-05