网络环境下的信任评估模型及其在推荐系统中的应用

发布时间：2021-04-27 23:51

　　网络应用的飞速发展对相应的网络安全机制提出了新的技术要求。信任通过分析和评估各个网络节点之间的潜在信任信息,能够在复杂的网络环境中提供相对灵活的安全度量机制,目前已经成为网络安全领域中研究和应用的热点。信任评估是信任研究的基础,但是由于信任的主观性、模糊性等特点,如何构建高精度、低负载的信任评估模型仍然是一个重要性和挑战性并存的研究主题。同时,各类在线社交网络的流行,改变了用户获取信息的方式。用户不仅会依据其个人兴趣或爱好获取信息,与其有社会关系的其他用户的推荐也会对用户的选择造成影响。社会化推荐系统将影响用户行为偏好的社会属性因素与协同过滤算法相融合,有效地提高了推荐的准确性,而且使推荐系统更符合人类的社会特征。信任关系是当前社会化推荐系统中使用最广泛的社会关系,如何更有效地将用户信任关系应用于推荐系统,是社会化推荐系统的重要课题。本文对网络环境中的信任进行了研究,结合机器学习的方法提出了一种新的信任评估模型,并尝试将用户的信任偏好与属性偏好与相融合,综合进行社会化推荐。主要工作如下:（1）传统信任模型由于其依赖信任在网络中的传播与迭代,在大型网络中性能不佳。本文提出了一种基于机器学... 

【文章来源】：合肥工业大学安徽省 211工程院校 教育部直属院校

【文章页数】：63 页

【学位级别】：硕士

【文章目录】：
致谢
摘要
abstract
第一章 绪论
    1.1 课题的背景与意义
        1.1.1 当前网络环境的特点
        1.1.2 当前网络环境面临的安全性挑战
        1.1.3 信任技术在网络安全研究中的重要意义
        1.1.4 信任技术在推荐系统中的应用
    1.2 国内外研究现状
        1.2.1 信任模型研究现状
        1.2.2 社会化推荐算法研究现状
    1.3 论文的主要工作及创新点
    1.4 论文组织结构
第二章 信任及其评估技术
    2.1 信任概述
        2.1.1 信任的定义
        2.1.2 信任的特点
    2.2 信任评估模型
    2.3 信任评估模型的主要任务
    2.4 融合信任的社会化推荐
    2.5 本章小结
第三章 基于代价敏感极限学习机的半监督信任评估模型
    3.1 引言
    3.2 模型设计与训练方法
        3.2.1 应用场景与预处理
        3.2.2 极限学习机
        3.2.3 代价敏感的训练方法
        3.2.4 半监督的训练方法
    3.3 实验与分析
    3.4 本章小结
第四章 融合用户信任的社会化推荐算法设计与分析
    4.1 引言
    4.2 社会化推荐算法
        4.2.1 问题描述
        4.2.2 概率矩阵分解(PMF)算法
        4.2.3 SocialMF推荐算法
    4.3 算法描述
        4.3.1 用户隐含属性偏好
        4.3.2 用户隐含信任偏好
        4.3.3 用户评分偏好
        4.3.4 算法总述
    4.4 实验结果与分析
        4.4.1 数据集
        4.4.2 实验结果与分析
        4.4.3 参数的影响
    4.5 本章小结
第五章 总结与展望
    5.1 总结
    5.2 展望
参考文献
攻读硕士学位期间的学术活动及成果情况



本文编号：3164382