基于一跳信任模型的协同过滤推荐算法

基于社会信任网络的协同过滤推荐算法存在节点之间多下一跳带来的复杂路径选择和信任弱传递问题。针对这2个问题,给出基于项目的一跳信任模型,该模型通过用户对项目信任度的计算,定义用户的直接和间接社会信任属性,然后一步跳转计算用户之间的直接和间接信任距离,进而计算用户之间的信任度。基于此模型设计推荐算法,同时分析了信任度与传统相似度的理论关系并二维拟合。仿真实验表明,该算法提高了推荐准确度(约0.02 MAE),降低了训练时间(约50%)。     

一种融合云模型和信任的推荐算法

针对传统的协同过滤推荐系统推荐精度低的问题,从用户相似度和用户信任度两个角度出发,提出了一种融合云模型和信任的推荐算法。采用云模型的相似度方法计算用户间的相似度,再采用信任推导来计算用户间的信任值,在此基础之上根据用户相似度和信任度两个因素分别确定邻居用户,得到预测评分。再将二者的预测评分结合的混合值作为最终的预测评分,从而产生推荐。实验结果表明,该算法与基于信任关系的推荐算法相比有更好的推荐效果。     

P2P环境中的一种信任模型

提出一种新的信任模型,将用户提供服务和进行推荐的能力进行区分,用推荐信任表示用户的推荐能力,根据用户的历史交易经验和系统中其他用户的推荐来计算节点的综合信任度,用户依据计算结果选择交易对象,交易结束后给出信任评价,进行相应的反馈.仿真试验表明,模型能有效评估节点的信任度,提高系统的可用性.     

MSNS中基于手机通讯录的信任度计算方法

随着手机移动社交的飞速发展,安全问题越来越受到人们的关注。因此,研究用户间的信任度对于移动社交网络的安全具有重要意义。充分利用并改进现有的手机通讯录,提出了移动社交网络中一种基于手机通讯录的信任度计算方法,帮助手机用户减少面临的威胁。该方法将移动社交网络中用户之间的信任度分为直接信任度与间接信任度。初始时对手机通讯录中的联系人进行信任度评分,由可信联系人的推荐信息来计算不在通讯录中联系人的信任度。根据用户在社交活动中不同的社交行为,对通讯录中的联系人信任度进行实时更新。最后,通过仿真实验验证了该方法的合理性与有效性。     

一种传感器网络的分布式信任模型

传感器网络面临的攻击很多,尤其是内部节点进行的攻击带来的危险最大。同时,传感器网络特别是军用传感器网络不能采用建立信任中心的信任模型,导致其内部节点的恶意行为更难以控制。通过引入基于CPK认证的源地址认证模块,使用第三方推荐信任,并结合多种相关的网络行为属性,能够为用户提供更准确可信的信任度计算能力作为参考依据,使用户可以根据信任度对权限进行控制,以达到控制恶意行为的目的。     

动态信任管理技术研究

现存的P2P信任管理模型难以准确计算节点间的信任值,导致节点在交易过程中无法有效防止节点的恶意攻击.为此,文章提出一种基于推荐信任迭代的信任管理模型TMRTI,通过在间接信任度的计算过程中引入最佳推荐链,更好地计算节点间的推荐信任值,在直接信任度的计算过程中引入历史交易成功率,进而综合评估节点的全局信任值,辅助节点进行交易对象的选择,充分体现了信任值的动态性和主观不确定性.仿真实验结果表明,文章的TMRTI模型较以往模型具有更好的动态适应性和更高的安全性.     

面向P2P网络应用的基于声誉的trust管理模型

提出一种新的面向P2P网络应用的信任管理模型,该模型根据节点的历史交易情况和系统中其他节点的推荐计算节点的信任度,给出了普遍适用的、具体量化和更新推荐者可信度的数学表达形式,同时考虑到节点的自主性动态行为影响信任度计算的不确定性,引入风险因素,提出了采用信息熵理论来量化风险,将实体之间的信任程度和信任的不确定性统一起来.仿真实验及分析表明,该信任模型能够有效识别恶意节点,相比已有的一些信任模型在系统成功交易率、模型的安全性等问题上有较大改进,可以使节点之间更有效的建立信任关系.     

基于社会网络面向个性化需求的可信服务推荐

在当前服务计算和社会计算背景下,针对难以获取满足用户个性化需求的可信Web服务问题,给出基于社会网络面向个性化需求的可信Web服务推荐模型;设计用户个性化功能需求分解与匹配算法,并利用语义词典提高功能需求语义匹配的准确性;基于个性化功能需求、社会网络节点信任度及服务信任度,设计了一种满足用户个性化需求的可信服务推荐算法,通过对社会网络节点之间、节点与服务之间的信任相关性进行分析,提高服务协同可信推荐性能。算法分析及实验结果表明该方法是有效和可行的。     

基于多社交数据源的协同推荐方法研究

协同过滤推荐作为一种有效的推荐方法,普遍存在数据稀疏性和冷启动问题,利用社交网络的多项数据源对协同推荐方法进行了改进.为了克服评分矩阵的稀疏性问题,提出结合用户评分相似度和用户信任度选择推荐邻居,同时对用户相似度计算进行了改进;提出了一种简单有效的信任推理方法,能够识别出用户间隐含的间接信任关系,进一步缓解了数据稀疏性问题;为了解决推荐系统的冷启动问题,提出综合利用项目的类型属性信息和领域专家信息进行联合推荐.实验结果表明,提出的改进策略非常有效,在精度和召回率方面都较已有方法具有明显改善.     

证据信任模型中的信任传递与聚合研究

现有信任模型在信任传递和聚合方面存在一定的不足:首先是信任传递过程中缺少对直接推荐实体的反馈信任度的有效度量;其次是信任聚合过程中因缺少对推荐链之间依赖关系的有效处理而存在推荐信息的损耗或重复计算等问题。为了解决这些问题,提出了一种新的证据信任模型,结合D-S证据理论和图论方法有效解决了信任传递的可靠性和信任聚合的准确性等问题。仿真实验表明,与已有模型相比,所提模型具有更强的抑制各种策略欺骗及共谋行为的能力,在信任度量准确性方面也有较大提高。