基于社會(huì)網(wǎng)絡(luò)的可信服務(wù)提供者選擇方法的研究.pdf

1、近年來(lái),隨著互聯(lián)網(wǎng)的迅速發(fā)展,越來(lái)越多的人選擇在線(xiàn)消費(fèi)他們所需的服務(wù),來(lái)代替?zhèn)鹘y(tǒng)的消費(fèi)模式。這樣的新型模式,不僅提供給消費(fèi)者更多的選擇空間,而且能幫助他們節(jié)省消費(fèi)時(shí)間,降低消費(fèi)支出。然而,由于互聯(lián)網(wǎng)的開(kāi)放性和匿名性,人們?nèi)菀自诰W(wǎng)絡(luò)上提供服務(wù)與發(fā)布信息的同時(shí),也給那些惡意用戶(hù)提供了可趁之機(jī)。他們?yōu)榱双@取高額利益,可能惡意詆毀競(jìng)爭(zhēng)對(duì)手,提供虛假的服務(wù)信息,這使得在線(xiàn)服務(wù)的質(zhì)量良莠不齊。作為在線(xiàn)消費(fèi)者,面對(duì)海量的可選擇服務(wù),他們很難分辨服務(wù)質(zhì)

2、量的優(yōu)劣,所以迫切需要一種有效機(jī)制來(lái)降低他們的消費(fèi)風(fēng)險(xiǎn)。針對(duì)該問(wèn)題,最近有許多學(xué)者指出,利用社會(huì)網(wǎng)絡(luò)中的信任關(guān)系和信任傳播機(jī)制可以預(yù)測(cè)服務(wù)提供者的可信度,從而降低用戶(hù)交易的風(fēng)險(xiǎn)。這方面已開(kāi)展一定數(shù)量的研究,提出了多種在線(xiàn)社會(huì)網(wǎng)絡(luò)信任模型與信任傳播方法。但是,目前的工作仍然還存在一些亟待解決的挑戰(zhàn)性問(wèn)題。本文圍繞面向服務(wù)的在線(xiàn)社會(huì)網(wǎng)絡(luò)中服務(wù)提供者的信任評(píng)價(jià)問(wèn)題,做了如下的研究工作:
　　(1)信任傳播方法常被用來(lái)預(yù)測(cè)服務(wù)提供者的可信

3、度。然而已存的信任傳播方法可擴(kuò)展性較差,當(dāng)應(yīng)用他們于大規(guī)模的在線(xiàn)社會(huì)網(wǎng)絡(luò)中,其信任預(yù)測(cè)時(shí)間太長(zhǎng)而不能讓在線(xiàn)用戶(hù)接受。另一方面,已存的信任傳播方法,很少考慮利用社會(huì)網(wǎng)絡(luò)的結(jié)構(gòu)特征來(lái)優(yōu)化他們的性能。本文提出了一種高效的信任傳播策略,它利用社會(huì)網(wǎng)絡(luò)的結(jié)構(gòu)特性,并通過(guò)預(yù)處理建立特定的數(shù)據(jù)結(jié)構(gòu),來(lái)改善信任傳播的效率。我們的策略能應(yīng)用于多種已存的信任傳播方法。實(shí)驗(yàn)結(jié)果表明我們的策略比幾種已存的信任傳播方法的信任預(yù)測(cè)效率高很多,同時(shí)具有和它們接近的預(yù)

4、測(cè)精度。
　　(2)在許多在線(xiàn)社會(huì)網(wǎng)絡(luò)中,用戶(hù)之間的關(guān)系較復(fù)雜,不能用單一值來(lái)表示他們之間的信任關(guān)系,而需要考慮多種社會(huì)因素。在這種情況下,通過(guò)尋找用戶(hù)之間的最優(yōu)路徑來(lái)預(yù)測(cè)用戶(hù)之間的可信度,成為了一個(gè)NP難問(wèn)題。盡管已有若干個(gè)啟發(fā)式算法被提出,來(lái)尋找他們之間的近似解,他們的時(shí)間復(fù)雜度仍然太高,在現(xiàn)實(shí)中可能無(wú)法接受,特別是應(yīng)用他們于大規(guī)模社會(huì)網(wǎng)絡(luò)中時(shí)。因此本文挖掘社會(huì)網(wǎng)絡(luò)的結(jié)構(gòu)特性,提出了一種考慮多種社會(huì)關(guān)系的、高效的最優(yōu)信任路徑搜

5、索策略。該策略通過(guò)預(yù)處理,簡(jiǎn)化并加速了信任路徑搜索的過(guò)程。實(shí)驗(yàn)結(jié)果表明,我們的策略搜索效率非常高,其信任預(yù)測(cè)算法具有常數(shù)時(shí)間復(fù)雜度,同時(shí)其路徑搜索質(zhì)量也幾乎和已存最優(yōu)算法一樣好。
　　(3)隨著在線(xiàn)服務(wù)的快速增長(zhǎng),推薦合適的服務(wù)給用戶(hù)也變得越來(lái)越重要。因此,利用基于用戶(hù)相似度的協(xié)同過(guò)濾技術(shù),已有許多服務(wù)推薦方法被提出,并得到應(yīng)用。然而,這些方法只考慮了用戶(hù)之間的相似性,即考慮用戶(hù)的興趣偏好,來(lái)為目標(biāo)用戶(hù)推薦服務(wù),卻忽略了推薦用戶(hù)的