一种针对大规模社交网络的用户信任度预测算法

,

(江西财经大学 软件与物联网工程学院,南昌 330013)

0 概述

随着计算机网络的快速发展,网络社交已经成为人们进行交流的主要方式之一[1]。近年来,社交网络中的用户量越来越庞大,网络结构也越来越复杂。如何快速准确地预测大规模社交网络中的用户信任度显得尤为重要。

通常情况下,信任是人们进行一切社交活动的基础[2]。同时,在实际中,信任被认为是社交网络中的一种特殊信息,其具有可传播性、弱传递性和不确定性等性质[3]。这些性质为研究预测社交网络中2个用户间的信任度提供了思路。例如:社交网络中的用户A与用户B素不相识,而在某个特定的环境下,A想要知道B是否可以信任。虽然A与B之前没有任何联系,但此时A可以通过咨询他的朋友来搜集关于B的信任信息,并结合相关的信任推理方法最后对B做出信任度预测。

目前,社交网络信任预测和个性化评估已被广泛研究[4],且被应用于多种领域,如网络安全、社交服务推荐[5]、P2P网络[6]、电子商务[7-8]、云计算[9]等。这些研究的主要思路为:首先,从社交网络中提取出相应的信任路径(信任图);然后,在该信任路径上采用一些典型的信任整合策略计算出用户的预测信任值,其中,基于图简化的信任度预测模型是研究较多的方式之一,较为典型的有Tidal Trust[10]、Mole Trust[11]和GFTrust[12]等算法。但是,这些算法通常只适用于小规模网络或在大规模网络中效率低下,且要求该网络中每条边都具有完整的信任关系。为解决这一问题,文献[13]建立一种基于“小世界”网络理论的信任图生成框架SWTrust。……