社交网络环境下信任模型的研究与应用

发布时间：2021-10-31 20:43

　　随着社会与科学技术的飞速发展,社交网络在生活、娱乐和工作方面给人们带来了极大的便利。但由于社交网络的飞速发展,其中的用户数量以及信息的更新速度正在以指数级增长,这也导致了社交网络中的用户间的信任问题日益突出。本文主要从两个不同的角度研究社交网络中用户之间信任度量问题,研究内容如下。（1）改进了传统基于社交网络用户节点上下文信息的相邻用户间信任度量模型,在相似度计算方面,细化了传统用户相似度的计算方式,结合用户的基本信息相似度和用户兴趣标签相似性来提高模型计算结果的合理性,同时又引入用户之间的共同好友数作为衡量用户间是否存在信任关系的影响因素之一,最后在腾讯微博用户数据上验证了改进模型的有效性。（2）提出基于网络表示学习的信任预测模型,使用网络表示学习中的网络嵌入算法抽取社交网络中节点的特征,结合深度自编码模型实现了信任预测模型。分别在Epinions和Ciao数据集上与其它信任预测模型进行对比,实验结果表明文中提出的信任预测模型的预测准确度得到了进一步的提升,并且可有效缓解因信任数据稀疏性导致的预测不准确的问题,还在一定程度上提高了信任预测的实时性和可扩展性。（3）将信任模型和协同过滤... 

【文章来源】：北方民族大学宁夏回族自治区

【文章页数】：67 页

【学位级别】：硕士

【部分图文】：

社交网络科学发展简史

族大学2020届硕士学位论文 第二章 社交网络的基3 社交网络的表示社交网络中的每个用户看作一个顶点。如果两个用户之间存在关系，那就在两者之。所以，可以用图来表示社交网络。在图中，每个用户有多少个好友，对应到图中的度，就是跟顶点相连接的边的条数。其中，图的表示形式通常有无向图、有向图如图 2-2 所示。

图 2-2 社交网络的表示图向图中包含“度”的含义，一般描述的是与顶点相连接的边的数出度和入度组成。入度代表指向顶点边的数量；出度代表从某个。如：可以把微博用户粉丝的数量用入度来描述，而关注的用户边上会带有权重。例如：用户间的信任度可以当作权重。络图的存储在计算机中用于计算的存储方式有：邻接矩阵、邻接表和逆邻接常用二维数组表示。在无向图中，如果顶点 i 与 j 之间存在边， 1；对于有向图，如果顶点 i 与 j 之间存在顶点 i 指向 j 的边，果顶点 j 与 i 之间存在 j 指向 i 的边，则将 A[j][i] 置为 1。对于带应的权值。具体如图 2-3 所示：

【参考文献】：
期刊论文
[1]Building trust networks in the absence of trust relations[J]. Xin WANG,Ying WANG,Jian-hua GUO.  Frontiers of Information Technology & Electronic Engineering. 2017(10)
[2]社交网络服务中一种基于用户上下文的信任度计算方法[J]. 乔秀全,杨春,李晓峰,陈俊亮.  计算机学报. 2011(12)

硕士论文
[1]微博社交网络的用户信任度模型研究[D]. 杜娇龙.首都经济贸易大学 2016



本文编号：3468820