專利名稱：基于云模型的主觀信任評(píng)價(jià)方法
技術(shù)領(lǐng)域：
本發(fā)明涉及互聯(lián)網(wǎng)環(huán)境下，以盈利和非營利為目的的，基于人際關(guān)系的網(wǎng)絡(luò)活動(dòng)中信任評(píng)價(jià)及 信任決策領(lǐng)域，具體地，涉及一種基于云模型的主觀信任評(píng)價(jià)方法。
技術(shù)背景隨著互聯(lián)網(wǎng)應(yīng)用領(lǐng)域不斷擴(kuò)大和各種服務(wù)功能的完善，網(wǎng)絡(luò)應(yīng)用正由封閉式向開放式發(fā)展，電 子商務(wù)和網(wǎng)上交易(B2B、 C2C、 B2C)、網(wǎng)絡(luò)社區(qū)、即時(shí)消息等基于互聯(lián)網(wǎng)的應(yīng)用越來越豐富和普及。 這些應(yīng)用呈現(xiàn)出不同于局域網(wǎng)絡(luò)的特點(diǎn)即用戶數(shù)量眾多且不能預(yù)先確定、用戶之間可以充分交互 等。這使得互聯(lián)網(wǎng)用戶呈現(xiàn)出社會(huì)化的趨勢，用戶不再是一個(gè)個(gè)相互孤立的個(gè)體，而是依托于一定 的網(wǎng)絡(luò)應(yīng)用，形成了錯(cuò)綜復(fù)雜的網(wǎng)絡(luò)人際關(guān)系， 一個(gè)用戶可以通過網(wǎng)絡(luò)直接接觸成千上萬的其他用 戶并和他們進(jìn)行交易和合作。在這種情況下，傳統(tǒng)的基于注冊、認(rèn)證和鑒權(quán)的安全機(jī)制已經(jīng)不能充 分滿足眾多網(wǎng)絡(luò)應(yīng)用的要求，需要更加靈活的安全機(jī)制，這就是基于信任的安全機(jī)制。信任關(guān)系被 認(rèn)為是比授權(quán)關(guān)系更加本質(zhì)的安全關(guān)系，人類社會(huì)所以能夠平穩(wěn)健康的運(yùn)行，很大程度得益于個(gè)人、 團(tuán)體和組織之間的信任關(guān)系。由于網(wǎng)上交易發(fā)生于開放的互聯(lián)網(wǎng)環(huán)境下，致使存在大量提供不同服務(wù)或同類服務(wù)的客體。對 于主體而言的一個(gè)至關(guān)重要的問題是，發(fā)起網(wǎng)上交易前如何正確、合理地判別最終交易對象并選擇 客體，即信任決策。對于非贏利的網(wǎng)絡(luò)社區(qū)而言，用戶間的協(xié)作依然建立與彼此信任的基礎(chǔ)上，當(dāng) 面臨眾多協(xié)作候選者時(shí)，信任主體依然面臨信任決策問題。當(dāng)前，關(guān)于信任關(guān)系的研究，包括兩種相互關(guān)聯(lián)的信任關(guān)系，即客體信任和主觀信任。其中， 客體信任中的客體是指排除人主觀因素的對象或?qū)嶓w?？腕w及客體間的關(guān)系可通過恰當(dāng)?shù)淖C據(jù)加以 充分驗(yàn)證，是一種基于證據(jù)的方法，可精確描述、推理和驗(yàn)證?；诩僭O(shè)的推理證明是客體信任的 基本研究方法，如BAN邏輯等安全協(xié)議分析中的信任關(guān)系。主觀信任中的信任主體指的是由人或代 理人(如Agent)所構(gòu)成的個(gè)體或群體，主觀信任(簡稱信任)是一種人類的認(rèn)知現(xiàn)象，是對信任客體的 特定特征或行為的特定級(jí)別的主觀判斷，而這種判斷相對獨(dú)立于主體的特征和行為。從某種非形式 化的角度來看，信任主體A對信任客體B的信任意味著A相信B在某種特定的環(huán)境下必會(huì)執(zhí)行某個(gè) 動(dòng)作。本發(fā)明主要針對主觀信任關(guān)系下的信任決策問題進(jìn)行研究，并給出主觀信任評(píng)價(jià)方法。眾多研究者巳開展關(guān)于主觀信任建模、推理等問題的研究，并取得一定成果。存在多種信任建 模、評(píng)估和推理方法，包括概率論方法，其不足之處在于沒有考慮信任本身的模糊性，其推理建立 在純粹的概率模型之上，表現(xiàn)出一種"過度"形式化的趨勢，遠(yuǎn)離了信任管理的實(shí)際；基于模糊集 合論主觀信任管理模型，將語言變量和模糊邏輯引入主觀信任推理研究。模糊數(shù)學(xué)需要預(yù)先定義隸 屬度函數(shù)，并且一旦確定隸屬度函數(shù)后，某個(gè)數(shù)值對于特定概念的隸屬程度就不能改變，缺乏一定 的靈活性。因此，需要一種能夠合理、有效地結(jié)合主觀評(píng)價(jià)隨機(jī)性和模糊性特點(diǎn)的量化方法，以直 觀、簡潔的方式，為信任主體的信任決策提供支持，最終達(dá)到提升網(wǎng)上交易、協(xié)作質(zhì)量和信任主體 滿意度的目的。 發(fā)明內(nèi)容針對主觀信任關(guān)系所具有的主觀性、不確定性和模糊性，及客體信用度變化對信任決策的影響， 本發(fā)明提出一種基于主觀信任云和信任變化云的主觀信任量化評(píng)價(jià)方法，用于解決基于主觀信任度 的網(wǎng)上交易、合作應(yīng)用中信任主體對信任客體信用度的量化評(píng)價(jià)問題。該方法能夠結(jié)合客體信用度 歷史信息及其變化信息的分析，較好地解決信任主體的信任決策問題。本發(fā)明方法具體如下-步驟一主觀信任云設(shè)計(jì)，包括信任云的類型選擇， 一般選擇具有很好地普適性的一維正態(tài)云，但不排 除使用其他類型云的選擇；STD信用度上限和下限的設(shè)定；STO信用度序列離散性和連續(xù)性的設(shè)定， 如為離散序列則需設(shè)置初始信用度值及信用度間隔值；必要時(shí)可以設(shè)定STE的定性概念級(jí)別。4步驟二根據(jù)主觀信任云的設(shè)計(jì)結(jié)果，從信用度數(shù)據(jù)庫中，獲取多客體歷史信用度評(píng)價(jià)信息。不失一般 性地，本發(fā)明對不同客體的評(píng)分機(jī)制是否統(tǒng)一不做強(qiáng)制要求，不同客體可以由不同評(píng)價(jià)機(jī)制進(jìn)行評(píng) 分，但可能會(huì)影響評(píng)價(jià)的準(zhǔn)確性。因此，在相同評(píng)價(jià)機(jī)制和評(píng)分體系中，本發(fā)明所述方法的應(yīng)用效 果會(huì)更好。 步驟二設(shè)置信用度數(shù)據(jù)時(shí)效性權(quán)值。主觀信用度評(píng)價(jià)數(shù)據(jù)具有一定的時(shí)效性，評(píng)分時(shí)刻距當(dāng)前信任決 策時(shí)刻越遠(yuǎn)的數(shù)據(jù)，其正確反映客體信用度的有效性隨之下降。步驟四根據(jù)客體歷史信用度及其吋效性權(quán)值，采用加權(quán)逆向云生成算法，生成主觀信任云的數(shù)字特征 值。加權(quán)逆向云生成算法如下輸入N個(gè)云滴kl，x2,…，xN),及云滴的權(quán)值集合{ wl，w2,…，wN },且有1 = 2>^; 輸出N個(gè)云滴所表示的定性概念的期望值Ex、熵En和超熵He; '—具體步驟如下l)根據(jù)xi及其權(quán)值計(jì)算樣本均值歹-f]w,.x,.， 一階樣本絕對中心矩;'^'，樣本方差2) Ex的估計(jì)值為Ex-y。3) He的估計(jì)值為A/2 A L4)￡:1的估計(jì)值為￡ -= "_丄本發(fā)明所涉及信任決策過程需包含多個(gè)信任客體(至少為兩個(gè)信任客體)，因此，需要保存(至少 需要臨時(shí)保存)每個(gè)信任客體的主觀信任云數(shù)字特征值。步驟五構(gòu)建主觀信任特征向量，并對信任客體進(jìn)行量化評(píng)價(jià)。主觀信任特征向量由主觀信任云的數(shù)字 特征Ex和He值構(gòu)成，形如〈Ex，He〉。根據(jù)主觀信任特征向量，進(jìn)行信任客體量化評(píng)價(jià)時(shí)，Ex和He 的物理意義分別為Ex作為對客體主觀信用度評(píng)價(jià)的典型值，即客體信用度的平均信用度水平；He 表示客體信用度與平均信用度的偏離程度，可以認(rèn)為He體現(xiàn)了客體信用度的穩(wěn)定性。當(dāng)Ex較大時(shí)， 可以認(rèn)為客體信用度較高，反之較低；當(dāng)He較小時(shí)，可以認(rèn)為客體信用度較穩(wěn)定，反之其穩(wěn)定性較 差。主體可以根據(jù)對多個(gè)客體〈Ex，He〉值的主觀判斷，進(jìn)行信任決策。如選擇Ex較高，同時(shí)He較小 的客體。 步驟六當(dāng)存在多個(gè)客體〈Ex,He〉相近時(shí)，且主體無法進(jìn)行主觀選擇時(shí)，則轉(zhuǎn)入步驟七。 步驟七對客體信用度進(jìn)行時(shí)序化處理，生成客體信用度變化數(shù)據(jù)?？腕w信用度變化數(shù)據(jù)是生成信任變 化云的數(shù)據(jù)基礎(chǔ)，主觀信任云時(shí)序化方法如下輸入N+1個(gè)帶時(shí)間標(biāo)記的主觀信任云期望值SetEx={ExtO, Extl,…，ExtN};輸出N個(gè)在(-°°, co) 開區(qū)間內(nèi)的表示信任度變化的云滴Drops={dl，d2,…dW;具體步驟如下51) 根據(jù)時(shí)間標(biāo)記對(ExtO, Ext2,…,ExtNl重新進(jìn)行排序，生成新的集合SetEx' ={ExO， Exl，， ExN}，且Time (Exi)< Time (Exj)， 0〈=i<j<=N, Time()為Exi —ti的函數(shù)，ti為Exi的生成時(shí)間;2) num=l， low=0， sup=l.，3) 通過公式，j =-(SUP — /(W)-計(jì)算兩個(gè)相鄰主觀信任云期望值的變化率；4) num=nuni+l, low=low+l， sup=sup+li5) 重復(fù)步驟(3)-(4),直到num〉N為止。集合SetEx中元素間的時(shí)間間隔不需要嚴(yán)格相等，但必須保證時(shí)間間隔具有相同的時(shí)間度量單 位，如星期、月、季度等。 步驟八根據(jù)DropsHdl，d2，…dNl的數(shù)據(jù)，及步驟三種的時(shí)效性權(quán)值，采用加權(quán)逆向云生成算法，生成 信任變化云的數(shù)字特征值。對于信任變化云的類型的選取原則，與'步驟一'中主觀信任云類型選 取原則相同。 步驟九在主觀信任特征向量相似的前提下，通過比較多個(gè)客體的主觀信任變化特征向量，對信任客體的 信用度進(jìn)行進(jìn)一步地量化評(píng)價(jià)。主觀信任變化特征向量由信任云的數(shù)字特征Exe和HeE值構(gòu)成，形如 <ExB,HeE〉。信任變化云的思想是，客體信用度隨時(shí)間發(fā)生變化是信任關(guān)系的本質(zhì)特征，同時(shí)也是主 觀信任評(píng)價(jià)需考慮的重要因素。主體與客體間信任關(guān)系的建立和發(fā)展是一個(gè)長期的過程，時(shí)間是主 體考察客體可信度的重要因素。這種思維方式符合以人為中心的日常信任關(guān)系的客觀規(guī)律。主觀信任變化特征向量的物理意義為1) ExE表示客體信用度的變化方式，當(dāng)ExE等于O時(shí)表示信用度無變化；當(dāng)ExE小丁O時(shí)表示信 用度呈下降；當(dāng)ExE大于O時(shí)表示信用度提升。2) HeE表示客體信用度變化的穩(wěn)定性，HeE越小表示信用度變化越穩(wěn)定，反之則越不穩(wěn)定。 主體可以根據(jù)對多個(gè)客體〈ExE,HeE〉值的主觀判斷，進(jìn)行信任決策。如選擇Ex較高，同時(shí)He較小的客體。 步驟十當(dāng)存在多個(gè)客體〈ExE，HeE〉相近時(shí)，且主體無法進(jìn)行主觀選擇時(shí)，則轉(zhuǎn)步驟十一，否則結(jié)束信任 決策過程。 步驟H^—使用正向云算法，生成云滴。選取云滴值和云滴確定度均較大的信任客體。正態(tài)正向云生成算法 如下輸入表示定性概念C的3個(gè)數(shù)字特征值Ex，En，He(En^He》0);云滴數(shù)N; 輸出N個(gè)云滴的定量值以及每個(gè)云滴屬于概念C的確定度。 步驟生成區(qū)間[En-He,En+He]上的一個(gè)均勻隨機(jī)數(shù)En';1) 生成區(qū)間[En-He， En+He]上的一個(gè)均勻隨機(jī)數(shù)En';2) 生成以Ex為期望值，(En'"為方差的一個(gè)正態(tài)隨機(jī)數(shù)x;3) 令x為定性概念C的一次具體量化值，稱為云滴；4) 計(jì)算y-e 2(￡n')2,令y為x屬于定性概念C的確定度，(x，y)完整地反映了這一次定性定量轉(zhuǎn) 換的全部內(nèi)容；(5)重復(fù)步驟(l)-步驟(4)，直到產(chǎn)生N個(gè)云滴.步驟十二結(jié)束信任決策過程。


圖1原型系統(tǒng)結(jié)構(gòu)示意2信任決策流程示意圖
具體實(shí)施例方式
為便于本領(lǐng)域一般技術(shù)人員理解和實(shí)施本發(fā)明，現(xiàn)結(jié)合附圖描述本發(fā)明的實(shí)施例。 如圖1所示，為實(shí)施本發(fā)明中所述方法的原型系統(tǒng)結(jié)構(gòu)示意圖，由至少一個(gè)用戶終端裝置1,至 少一個(gè)信任決策中心2，及至少一個(gè)信用度數(shù)據(jù)庫3組成。用戶終端裝置1可以是任何具有有線或無 線通信能力，且能夠與信任決策中心2進(jìn)行信息交換的裝置，如PC、手機(jī)等。用戶終端l通過任何 有線通信線路401，或無線通信線路402，與信任決策中心2進(jìn)行交互。信用度數(shù)據(jù)庫3用于存儲(chǔ)信 任客體的主觀歷史信用度等信息，并且通過任何有線通信線路401或命令控制連接403與信任決策 中心2進(jìn)行數(shù)據(jù)交互。
信任決策中心2，由至少一個(gè)主控裝置201、至少一個(gè)主觀信任評(píng)價(jià)裝置202，至少一個(gè)信任變 化評(píng)價(jià)裝置203，至少一個(gè)正向云生成裝置204組成。主控裝置201通過命令控制連接403，與裝置 202、 203、 204連接，并負(fù)責(zé)整個(gè)評(píng)價(jià)過程的執(zhí)行及完成與用戶終端裝置1的信息交互。裝置202負(fù) 責(zé)完成基于主觀信任云的信任評(píng)價(jià)，裝置203負(fù)責(zé)完成基于信任變化云的信任評(píng)價(jià)，裝置204完成 云滴的正向生成任務(wù)。
本發(fā)明的具體實(shí)施過程中，可以根據(jù)需要配置多個(gè)分布式的信任決策中心2，且多個(gè)信任決策中 心2可以相互進(jìn)行信息和數(shù)據(jù)交互。另外，信任決策中心2與信用度數(shù)據(jù)庫3，可以進(jìn)行物理集中配 置，也可以進(jìn)行分布式配置。
如圖2所示，為實(shí)施本發(fā)明中所述方法的信任決策流程圖，現(xiàn)結(jié)合圖1所示原型系統(tǒng)結(jié)構(gòu)示意 圖，具體實(shí)施步驟詳細(xì)描述如下-步驟一
用戶終端裝置1通過401或402與信任決策中心建立連接。通過與主控裝置201間的信息交換， 選定一組信任客體，作為信任評(píng)價(jià)的評(píng)價(jià)對象。根據(jù)被選信任客體的信用度評(píng)價(jià)機(jī)制和評(píng)分體系， 主控裝置201完成主觀信任云設(shè)計(jì)，包括設(shè)定信用度評(píng)價(jià)類型，設(shè)定STD信用度上限和下限，設(shè) 定STD的離散或連續(xù)性，必要時(shí)設(shè)定STE的定性概念等級(jí)。 步驟二
主控裝置201，從信用度數(shù)據(jù)庫3獲取信任客體的歷史信用度數(shù)據(jù)。 步驟三
根據(jù)時(shí)效性設(shè)置原則，主控裝置201對信用度數(shù)據(jù)進(jìn)行時(shí)效性權(quán)值設(shè)置。信用度時(shí)效性模型及權(quán) 值確定的基本原則如下
設(shè)信用度時(shí)效性模型M=<X， tc, tb, T>:
1) X={Xl，x2,…，xj為客體歷史信用度評(píng)價(jià)數(shù)據(jù)的全集，對于任一評(píng)價(jià)數(shù)據(jù)Xi， Time(xi)代表信用度的 評(píng)價(jià)時(shí)刻。
2) tc表示當(dāng)前信任決策時(shí)刻，作為時(shí)間原點(diǎn)，tb為正向時(shí)間軸上的某時(shí)刻，作為判斷信用度評(píng)價(jià)數(shù) 據(jù)有效性的時(shí)間閾值。
3) T^t,，U， t,-J由tc和tb間ra-1個(gè)時(shí)刻值組成的有序集合，對于任一 ti， di^ti-tcl稱為ti到 tc的時(shí)間距離，且滿足
V&(l化m —D^4"l
va,a(i"勺^-1) —d,<A
根據(jù)Time(Xi)， tb可以將X分解為兩個(gè)子集X1'和X2'，且滿足以下條件
1) X= XI' UX2'，且XI， nx2， =0;
2) VX, " ") 4 - /J《h - fj):集合X的分解，以iTime(Xi)-tcl和ltc-tbl的差值為依據(jù)，tc為時(shí)間原點(diǎn)，ltc-tbl為信用度
評(píng)價(jià)數(shù)據(jù)有效性的時(shí)間閾值。根據(jù)ltc-tbl，將x分解為子集xr和x2' 。 xr中任意元素與tc的
時(shí)間距離都小于或等于閾值，而X2'中任意元素與tc的時(shí)間距離都大于閾值。因此，可以認(rèn)為X2'
中信用度數(shù)據(jù)的評(píng)價(jià)時(shí)間，距當(dāng)前決策時(shí)刻較遠(yuǎn)，不能正確反映當(dāng)前時(shí)刻的客體信用度；xr中包
含所有參與客體信用度評(píng)價(jià)的數(shù)據(jù)。
集合T將tc和tb構(gòu)成的時(shí)間區(qū)間分隔成m個(gè)子區(qū)間，稱為時(shí)間窗口，記為Wt。時(shí)間窗口將X1' 分隔為m個(gè)信用度評(píng)價(jià)數(shù)據(jù)子集，Xt1， Xt2，， Xta，且滿足以下條件
<formula>formula see original document page 8</formula>
設(shè)計(jì)集合T時(shí)，應(yīng)綜合考慮ltb-bcl的時(shí)間跨度，和ltb-bcl內(nèi)信用度評(píng)價(jià)數(shù)據(jù)的總數(shù)。集合T
將xr 進(jìn)一步分解為m個(gè)子集，且根據(jù)xr的各個(gè)子集所屬時(shí)間窗口， xt" xt2，， xtj司具有 嚴(yán)格的時(shí)間順序。時(shí)間值在相同時(shí)間窗口內(nèi)的信用度數(shù)據(jù)，具有相同的時(shí)效性權(quán)值，可為xr的任
一子集Xti(K4《m)賦予一個(gè)時(shí)效性權(quán)值wti， wti表示Xti中的信用度評(píng)價(jià)數(shù)據(jù)對客體整體信用度評(píng) 價(jià)結(jié)果的影響程度，且需滿足公式(l)和(2)的約束條件。根據(jù)公式(1)和(2)的約束條件，本發(fā)明提 供一種滿足公式(3)的簡單權(quán)值確定方法。該權(quán)值確定方法假設(shè)，隨著信用度評(píng)價(jià)數(shù)據(jù)時(shí)間值與tc 間的時(shí)間距離的增加，信用度評(píng)價(jià)數(shù)據(jù)的時(shí)效性衰減較快，且采用等比率下降的方式表達(dá)這種衰減 趨勢。
<formula>formula see original document page 8</formula>
步驟四 W
根據(jù)加權(quán)逆向云生成算法實(shí)現(xiàn)，裝置202計(jì)算客體主觀信任云的數(shù)字特征值，并將其返回至主控 裝置201。進(jìn)入步驟五。
步驟五
主控裝置201根據(jù)裝置202返回的主觀信任云數(shù)字特征值的結(jié)果，為每個(gè)信任客體，構(gòu)建主觀信 任特征向量〈Ex,He〉。并將結(jié)果返回至用戶終端裝置1。 步驟六
信任主體對多個(gè)信任客體的主觀信任特征向量進(jìn)行判斷，如果主體選擇某客體，則結(jié)束信任決策 過程；否則選擇需進(jìn)一步評(píng)價(jià)的客體，并通過用戶終端裝置l，向主控裝置201發(fā)出進(jìn)一步信任決策 的請求及客體信息。 步驟七
主控裝置201接收用戶終端裝置1的請求，并將客體歷史信用度信息傳遞給信任變化評(píng)價(jià)裝置 203。裝置203對每個(gè)客體信用度信息進(jìn)行時(shí)序化處理，生成信任度變化的云滴Dr叩s^dl, d2，…dW 。 步驟八
信任變化評(píng)價(jià)裝置203根據(jù)信任變化云滴，為每個(gè)信任客體生成信任變化云的數(shù)字特征，并將其 返回主控裝置201。 步驟九
主控裝置201根據(jù)裝置203返回的信任變化云數(shù)字特征值的結(jié)果，為每個(gè)信任客體，構(gòu)建信任變 化特征向量〈ExE,He》。并將結(jié)果返回至用戶終端裝置1。步驟十
信任主體對多個(gè)信任客體的信任變化特征向量進(jìn)行判斷，如果主體選擇某客體，則結(jié)束信任決策 過程否則選擇需進(jìn)一步評(píng)價(jià)的客體，并通過用戶終端裝置l,向主控裝置201發(fā)出進(jìn)一步信任決策 的請求及客體信息。 步驟十一
主控裝置201接收用戶終端裝置1的請求，并將客體歷史信用度信息傳遞給信任變化評(píng)價(jià)裝置 204。裝置204根據(jù)每個(gè)客體的主觀信任云數(shù)字特征值，使用正向云生成算法，生成一個(gè)云滴。選擇 云滴值和確定度均較大的客體，返回至裝置201。由裝置201將最終客體選擇結(jié)果，通過裝置l返回 給用戶。 步驟十二
結(jié)束信任決策過程。
本發(fā)明方法以直觀、簡單、有效的方式，為主體合理完成信任客體的選擇提供指導(dǎo)。解決了主觀信任 評(píng)價(jià)中隨機(jī)性、和模糊性難以表達(dá)的問題。特別是將信任客體信用度變化因素引入信任決策過程，能更合 理地提升決策的準(zhǔn)確性和主體滿意度。云的信任決策特征向量具有直觀、簡潔的量化特點(diǎn)，避免了信任主 體面對多種評(píng)價(jià)機(jī)制，及多種評(píng)價(jià)結(jié)果展現(xiàn)形式時(shí)所產(chǎn)生的決策錯(cuò)誤。
本發(fā)明具體實(shí)施方式
中，以正態(tài)云為實(shí)例，介紹了實(shí)施本發(fā)明方法的實(shí)施例。本發(fā)明云模型類型、及 與云模型類型相關(guān)的正向、加權(quán)逆向云生成算法，可根據(jù)實(shí)際需要進(jìn)行選?。徊⑶?，原則上本發(fā)明實(shí)施過 程中，不要求主觀信任云與信任變化云的類型完全一致。因此，針對云模型類型、相關(guān)云操作算法、及兩 種云模型類型一致性選擇等方面的變化，都屬本發(fā)明權(quán)利要求的保護(hù)范圍。
權(quán)利要求
1. 一種基于云模型的互聯(lián)網(wǎng)人際交互過程中，對具有隨機(jī)性、模糊性特點(diǎn)的主觀信任評(píng)分的量化評(píng)價(jià)方法，其特征在于(1)使用主觀信任云的數(shù)字特征值，對多信任客體的歷史信用度進(jìn)行量化評(píng)價(jià)；(2)使用信任變化云的數(shù)字特征值，對多信任客體的信用度變化進(jìn)行量化評(píng)價(jià)；(3)根據(jù)主觀信任云和信任變化云的量化數(shù)字特征值，完成互聯(lián)網(wǎng)人際交互過程中的信任決策。
2. 根據(jù)權(quán)利要求1所述的基于云模型的主觀信任量化評(píng)價(jià)方法，其特征在于(l)中主觀信任云 采用主觀信任度空間STD表示定量信用度評(píng)價(jià)值，定量論域區(qū)間[O，n]的一個(gè)有序數(shù)值集合，記為K0,n3，該集合可以由連續(xù)或離散單調(diào)數(shù)值構(gòu)成；n為任意正整數(shù)，分別稱O和n為STD的信任度下 限和上限；并且，主觀信任度越接近0，則代表客體主觀信用度越低，越接近n，則代表客體主觀信 用度越高。
3. 根據(jù)權(quán)利要求1所述的基于云模型的主觀信任量化評(píng)價(jià)方法，其特征在于(l)中所述主觀信任 云采用主觀信任空間STS作為信用度定性概念集合，可以為STS預(yù)設(shè)1或多個(gè)信任等級(jí)，也可忽略 信任等級(jí)的設(shè)定。
4. 根據(jù)權(quán)利要求l所述的基于云模型的主觀信任量化評(píng)價(jià)方法，其特征在于(2)中所述信任變化 云采用信任度變化空間ETD表示定量信用度變化評(píng)價(jià)，ETD=(-oo， co)是實(shí)數(shù)軸-^到w的開區(qū)間； 且有，VxEETD ，如果x-O表示信任度無變化；x〈0表示信任度下降，x〉0表示信任度提升。
5. 根據(jù)權(quán)利要求1所述的基于云模型的主觀信任量化評(píng)價(jià)方法，其特征在于(2)中所述信任變 化云信使用信任變化空間ETS作為信用度變化的定性概念集合，可以為ETS預(yù)設(shè)1或多個(gè)信任等級(jí)， 也可忽略信任等級(jí)的設(shè)定。
6. 根據(jù)權(quán)利要求l所述的基于云模型的主觀信任量化評(píng)價(jià)方法，其特征在于(l)進(jìn)一步包括主 觀信任云設(shè)計(jì)，主觀信任云數(shù)字特征生成，構(gòu)建主觀信任特征向量〈Ex,He〉。
7. 根據(jù)權(quán)利要求1所述的基于云模型的主觀信任量化評(píng)價(jià)方法，其特征在于(2)進(jìn)一步包括 主觀信任云時(shí)序化，主觀信任云數(shù)字特征生成，構(gòu)建主觀信任變化特征向量〈ExE，HeE〉。
8. 根據(jù)權(quán)利要求6所述的主觀信任云設(shè)計(jì)方法，其特征在于進(jìn)一步包括主觀信任云的類型選 取，設(shè)置主觀信任度空間的信任度上限和下限，選擇信任度序列的離散性或連續(xù)性特征。
9. 根據(jù)權(quán)利要求6所述主觀信任云數(shù)字特征生成，其特征在于采用加權(quán)逆向云生成算法，完 成度信用度評(píng)價(jià)數(shù)據(jù)的主觀信任云數(shù)字特征生成。
10. 根據(jù)權(quán)利要求9所述加權(quán)逆向云生成算^法，其特征在于，其輸入為N個(gè)云滴hl,x2,…，xNh 及云滴的權(quán)值集合{ wl，w2,…，wN }，且有1 = |;^;其輸出為N個(gè)云滴所表示的定性概念的期望值 Ex、熵En和超熵He;并且，包含以下步驟,' w _1) 根據(jù)xi及其權(quán)值計(jì)算樣本均值Y=^>m ， 一階樣本絕對中心矩，樣本方差s、^rg;2) Ex的估計(jì)值為^x^義；3) He的估計(jì)值為Ae = ^f w,lx,-ixl ;4) En的估計(jì)值為五iU、 S2-丄x/^2 。
11. 根據(jù)權(quán)利要求7所述主觀信任云時(shí)序化方法，其特征在于其輸入為N+l個(gè)帶時(shí)間標(biāo)記的主 觀信任云期望值SetEx^ExtO， Extl，…，ExtN};其輸出為N個(gè)在(-~， 《0開區(qū)間內(nèi)的表示信任度變 化的云滴Drops={dl，d2,…dNh且包含以下步驟1) 根據(jù)時(shí)間標(biāo)記對{ ExtO， Ext2，…，E tW重新進(jìn)行排序，生成新的集合SetEx， ={ExO, Exl，…， ExN}，且Time (ExiK Time (Ex j), 0<=i< j〈=N， Time ()為Exi —ti的函數(shù)，ti為Exi的生成時(shí)間；2) num=l， low=0， sup=l;3) 通過公式，J=-、。叩""-計(jì)算兩個(gè)相鄰主觀信任云期望值的變化率；4) num=num+l， low=low+l， sup=sup+l;5) 重復(fù)步驟(3)-(4)，直到num〉N為止。
12. 根據(jù)權(quán)利要求7所述主觀信任云數(shù)字特征生成，其特征在于根據(jù)Drops^dl,d2，…dW的數(shù) 據(jù)，采用加權(quán)逆向云生成算法，生成信任變化云的數(shù)字特征值。
13. 根據(jù)權(quán)利要求l所述的基于云模型的主觀信任量化評(píng)價(jià)方法，其特征在于(3)包含以下步驟1) 比較多個(gè)信任客體的主觀信任特征向量〈Ex，He〉，選擇Ex較大，且He較小的信任客體，如果存在 多個(gè)〈Ex，He〉相近的客體，則可隨機(jī)選擇任一客體，或者轉(zhuǎn)步驟2);2) 比較多個(gè)信任客體的主觀信任變化特征向量〈ExE，HeE 〉，選擇ExE較大，且HeE較小的信任客體， 如果存在多個(gè)〈ExE，HeE 〉相近的客體，則可隨機(jī)選擇任一客體，或者轉(zhuǎn)步驟3); 3) 使用正向云發(fā)生器，根據(jù)主觀信任云數(shù)字特征，對多個(gè)〈Ex，He〉和〈ExE，HeE 〉相近的客體中的每個(gè) 客體生成一個(gè)云滴，選擇云滴值和確定度均較大的客體。
全文摘要
一種應(yīng)用于互聯(lián)網(wǎng)環(huán)境下，以人際關(guān)系為基礎(chǔ)的網(wǎng)絡(luò)活動(dòng)中，基于云模型理論的主觀信任量化評(píng)價(jià)方法，主要用于解決以盈利或非贏利為目的的互聯(lián)網(wǎng)環(huán)境中人際交互過程中，信任主體的信任決策問題。技術(shù)要點(diǎn)如下1.根據(jù)信任客體歷史主觀信用度數(shù)據(jù)，針對主觀數(shù)據(jù)的不確定性，對其進(jìn)行綜合量化處理和評(píng)價(jià)。2.根據(jù)信任客體主觀信用度變化數(shù)據(jù)，對客體信用度變化進(jìn)行綜合量化處理和評(píng)價(jià)。3.在1，2量化數(shù)據(jù)的基礎(chǔ)上完成信任決策。本發(fā)明能有效解決主觀信任量化評(píng)價(jià)的不確定性問題，提升網(wǎng)上交易或協(xié)作的成功率和信任主體的滿意度。
文檔編號(hào)G06Q30/00GK101261717SQ20081010357
公開日2008年9月10日 申請日期2008年4月9日 優(yōu)先權(quán)日2008年4月9日
發(fā)明者莉 張, 帥 王, 王守信, 雷 雷 申請人:北京航空航天大學(xué)