引 言

信任一般被定義為個體基于自身的歷史經(jīng)驗對其他個體 未來行為的主觀預(yù)期 [1]。如今信任在很多方面扮演著重要角 色，比如，內(nèi)容提供商會為用戶處理過量信息，只提供其感 興趣的內(nèi)容 ；在線網(wǎng)絡(luò)服務(wù)商提醒用戶避免誤點不安全的鏈 接 ；在電子商務(wù)平臺上的商品推薦板塊等都能看到關(guān)于信任 的應(yīng)用場景 [2,3]。在信任網(wǎng)絡(luò)中，為了衡量節(jié)點間的信任強度， 往往還要利用其他手段來計算節(jié)點之間的信任值。Li Ding[4] 認(rèn)為僅僅知道“個體 A 在領(lǐng)域 X 信任個體 B”無法充分反映 個體之間信任的意義，于是將信任分為兩大類，即參考信任和 相關(guān)信任。劉凱認(rèn)為在社交網(wǎng)絡(luò)中，用戶的交互行為和時間衰 減也是影響信任的因素，以此提出了基于兩者加權(quán)的信任模型 RBtrust[5]。本文利用信任網(wǎng)絡(luò)中用戶節(jié)點的結(jié)構(gòu)相似性來構(gòu)建 信任度量模型。

1 結(jié)構(gòu)相似性

本文的一些相關(guān)概念定義如下：

施信者：在信任關(guān)系中，是施加信任關(guān)系的用戶節(jié)點 ；

受信者：在信任關(guān)系中，是被施加信任的用戶節(jié)點 ；

In-Neighbor（i）：節(jié)點 i 擁有的施信者節(jié)點集 ；

Out-Neighbor（i）：節(jié)點 i 擁有的受信者節(jié)點集 ；

Tijin ：節(jié)點 i 與節(jié)點 j 擁有相似施信者形成的信任度 ；

Tijout ：節(jié)點 i 與節(jié)點 j 擁有相似受信者形成的信任度 ；

Tijz（in）：標(biāo)準(zhǔn)化后的 Tijin ；

Tijz（out）：標(biāo)準(zhǔn)化后的 Tij

out ； Tij ：節(jié)點 i 與節(jié)點 j 的加權(quán)信任度。

2 信任度量

文獻 [3] 研究了用戶評分的相似性與信任強度關(guān)系，提出 了基于評分相似性的信任模型。本文關(guān)注網(wǎng)絡(luò)結(jié)構(gòu)的相似性， 并從兩方面構(gòu)建了基于結(jié)構(gòu)相似性的信任模型。在信任網(wǎng)絡(luò)中， 利用 Jaccard 系數(shù)定義了 Tijin 和 Tijout ：

3 實驗結(jié)果

3.1 數(shù)據(jù)集

本文利用 FilmTrust 數(shù)據(jù)集 [6] 對之前提出的方法進行驗 證。該數(shù)據(jù)集采集自網(wǎng)站 FilmTrust，該網(wǎng)站是電影評論網(wǎng)站， 允許用戶對電影進行評論打分以及對他人的評論進行打分。該 FilmTrust 數(shù)據(jù)集中有 874 個用戶，1 853 條信任關(guān)系鏈。

3.2 模型評估

本部分用于驗證以上提出的信任度量模型在網(wǎng)絡(luò)中的表 現(xiàn)情況。由于用戶間的關(guān)系有兩種，包括直接信任關(guān)系和非直 接信任關(guān)系，我們通過考察這兩種信任關(guān)系，決定利用該信 任度量模型計算得到的信任度。計算該施信者與其所有受信 者之間的信任度 Tij 取平均值，用 ts 表示，然后在網(wǎng)絡(luò)中刪除該施信者的所有受信者，并在刪除后的網(wǎng)絡(luò)中隨機選取相同個 數(shù)的節(jié)點，計算該施信者與這些節(jié)點之間的信任度 Tij，取平均， 用 rs 表示。最后用兩個向量 st 和 sr 分別表示網(wǎng)絡(luò)中所有施信 者在直接信任關(guān)系和非直接信任關(guān)系下的信任值，其中，向量 st 中的元素為每個施信者的 ts 值，向量 sr 中的元素為每個施 信者的 rs 值，將 st 和 sr 進行分布檢驗，不同權(quán)重值 α下 st 和 sr 的均值以及 k-s 檢驗結(jié)果見表 1 所列。由表中 p 值可知 k-s 檢驗不滿足 H0 假設(shè)，說明用戶之間擁有直接信任關(guān)系比非直 接信任關(guān)系有更高的網(wǎng)絡(luò)相似性。

4 結(jié) 語

本文從網(wǎng)絡(luò)結(jié)構(gòu)相似性的視角提出了基于網(wǎng)絡(luò)結(jié)構(gòu)相似 性的信任度量模型，該模型可以很好地度量節(jié)點間的信任值， 有利于后續(xù)信任傳播的研究。