專利名稱：一種社交網(wǎng)絡環(huán)境中的用戶間推薦信任度計算方法
技術領域：
本發(fā)明涉及計算機網(wǎng)絡領域，更具體地說，是涉及一種社交網(wǎng)絡環(huán)境中的用戶間推薦信任度計算方法。
背景技術：
社交網(wǎng)絡(SocialNetworkSite-SNS)作為一種基于用戶關系的信息分享、傳播以及獲取平臺，正逐漸成為人們日常生活中進行信息獲取和交互的重要工具。人們可以通過 SNS特有的組織和交互方式，實現(xiàn)更為廣闊的信息傳遞和互動等功能，以“推薦”、“轉發(fā)”等行為代表的推薦行為正成為人們獲取網(wǎng)絡信息的重要手段。然而，由于推薦行為往往因為其來源復雜、路徑多樣等問題，導致接受者對于陌生推薦心存疑慮，因此，SNS中如何找到一種有效的推薦信任度量方法，是開展SNS安全分析的重要途徑。
我們分析認為，SNS中用戶之間的認知和交互是基于人類實際社會交往習慣，是一種相互信任的信念表達。近年來，信任被認為是一種有效的關系評判機制，已經(jīng)廣泛引入到對等網(wǎng)絡、安全評估、協(xié)作組織等領域中。通過來自主觀或客觀的信任關系，如信任或信譽等方式，SNS中的個體可以表達出對其他個體的信息認知狀態(tài)，從而有助于在他們之間提供有效的計算基礎。
傳統(tǒng)社交網(wǎng)絡環(huán)境的信任計算方法，如基于過往交互方法以及貝葉斯方法等，注重對個體之間以及個體自身的信任度量，這是一種直接信任。但是，在SNS中，信息是以一種類似鏈式的方式在用戶之間傳播的，SNS中不可能存在任何一個用戶對所有其他用戶均具有直接信任。因此，通過中間用戶產(chǎn)生的間接信任不可避免存在，這與人類的社會交往相似，人們在通過熟識的人認識陌生人時，會產(chǎn)生一種間接的第一映像，即對陌生人的初始影像和可信賴程度建立在熟識人推薦基礎上。目前已有許多關于推薦信任度的計算方法。但是對于SNS而言，這些方法要么僅僅建立在主觀信任關系基礎上，要么建立在客觀信譽度的單一推薦基礎上，而很少從綜合這兩種信任機制的角度出發(fā)計算推薦信任度。另一方面， SNS中的用戶組織關系比較復雜，而目前對于形成信任推薦的路徑的復雜度考慮不足，大多數(shù)推薦信任計算方法均只考慮一個中間推薦者的情況，或沒有考慮多個推薦路徑組合形成復雜推薦的情況。同時SNS中的用戶存在社區(qū)組織，用戶具有多重社區(qū)身份，這也將對用戶本身的信譽以及推薦信任度計算產(chǎn)生影響。
總之，市場上急需一種基于信任和信譽的推薦信任度量方法，綜合主觀和客觀信任兩個方面，使對陌生個體的認知建立在推薦信任度量的基礎上。發(fā)明內容
針對現(xiàn)有技術中存在的缺陷，本發(fā)明的目的是提供一種社交網(wǎng)絡環(huán)境中的用戶間推薦信任度計算方法。
為達到上述目的，本發(fā)明采用如下的技術方案
一種社交網(wǎng)絡環(huán)境中的用戶間推薦信任度計算方法，該用戶間推薦信任度計算方法的具體步驟為
A.依據(jù)社交網(wǎng)絡中被推薦用戶與其他用戶之間的直接交互歷史評價情況，計算上述兩個用戶之間的直接信賴度；
B.依據(jù)被推薦用戶在社交網(wǎng)絡中所獲得的來自其它用戶的評價情況，綜合計算得到該用戶的客觀信譽度；
C.依據(jù)社交網(wǎng)絡中的推薦路徑、步驟A計算所得到的直接信賴度以及步驟B中的客觀信譽度，計算得到用戶進行推薦所得到的推薦信任度。
社交網(wǎng)絡中存在任意兩個用戶個體Cli和dj，Clj曾經(jīng)與Cli進行過Ii1次交互，交互行為類型為ph，每次交互dj產(chǎn)生了對Cli的評價jucKdj)，設dj曾經(jīng)對Cli差評的次數(shù)為Hl1次， 此時，dj對Cli的直接信賴度belief可以計算為
權利要求
1.一種社交網(wǎng)絡環(huán)境中的用戶間推薦信任度計算方法，其特征在于 該用戶間推薦信任度計算方法的具體步驟為 A.依據(jù)社交網(wǎng)絡中被推薦用戶與其他用戶之間的直接交互歷史評價情況，計算上述兩個用戶之間的直接信賴度； B.依據(jù)被推薦用戶在社交網(wǎng)絡中所獲得的來自其它用戶的評價情況，綜合計算得到該用戶的客觀信譽度； C.依據(jù)社交網(wǎng)絡中的推薦路徑、步驟A計算所得到的直接信賴度以及步驟B中的客觀信譽度，計算得到用戶進行推薦所得到的推薦信任度。
2.根據(jù)權利要求I所述的用戶間推薦信任度計算方法，其特征在于 所述步驟A的具體步驟為 社交網(wǎng)絡中存在任意兩個用戶個體Cli和Clj, dj曾經(jīng)與Cli進行過Ii1次交互，交互行為類型為Ph，每次交互Clj產(chǎn)生了對Cli的評價jud (dj)，設Clj曾經(jīng)對Cli差評的次數(shù)為Hl1次，此時，dj對Cli的直接信賴度belief以計算為
3.根據(jù)權利要求2所述的用戶間推薦信任度計算方法，其特征在于 所述步驟B的具體步驟為 在社交網(wǎng)絡中存在個體用戶Cli，并且Cli存在于不同網(wǎng)絡社區(qū)V1, N2,...中，對于Cli而言，它曾經(jīng)獲得過g次來自區(qū)域V1UV2U...中其它個體用戶4的評價X, ),那么該用戶個體(Ii的信譽度reputation可以計算為
4.根據(jù)權利要求3所述的用戶間推薦信任度計算方法，其特征在于 當推薦路徑為單路推薦時，對于推薦接受者R而言，存在一條中間推薦者Cl1, d2,...所組成的單向推薦路徑，路徑起點為推薦發(fā)起者Z，那么該路徑可記為route= [R, (I1, d2, . . . , Z] ,IR I表示個體d」,下標j指明第j個用戶，j的取值為正整數(shù)，社區(qū)V1, V2,...,Ve中所屬社區(qū)的數(shù)量，該單路推薦信任度Srroute (R, Z)計算如下
5.根據(jù)權利要求3所述的用戶間推薦信任度計算方法，其特征在于 當推薦路徑為路徑獨立狀態(tài)的多路獨立推薦時，在推薦發(fā)起者Z和推薦接受者R之間存在數(shù)量為m2 (m2 ^ 2)的獨立推薦路徑，每一個獨立路徑記為route,，而且路徑route,的單向推薦信任值為srk(R，Z)，而獨立路徑經(jīng)過的SNS社區(qū)數(shù)量記為I VK()Ute I，該多路推薦信任度mr (R, Z)_inde通過下列公式計算
6.根據(jù)權利要求3所述的用戶間推薦信任度計算方法，其特征在于 當推薦路徑為多路重疊推薦時，整個重疊的推薦路徑處理為一個單路，在該單一路徑中分別計算出現(xiàn)多路推薦的部分，在重疊路徑中存在兩類中間推薦者即接合點jd和分離點dd，重疊推薦路徑可以表示為Ixnite=^jd1, ...，Z]，其中jd,(下標q指明第q個接合點，q的取值為正整數(shù))表示接合點;而％(上標s指明jd,之后所出現(xiàn)的分離點第s個分離點，s的取值為正整數(shù))表示在接合點jdq之后所出現(xiàn)的分離點；在重疊路徑中的接合點jdq和jdq+1之間的直接信賴度記為belief (jdq，jdq+1)_dd,通過下面方式進行計算
全文摘要
本發(fā)明公開了一種社交網(wǎng)絡環(huán)境中的用戶間推薦信任度計算方法，首先，依據(jù)社交網(wǎng)絡中被推薦用戶與其他用戶之間的直接交互歷史評價情況，計算上述兩個用戶之間的直接信賴度；接著，依據(jù)被推薦用戶在社交網(wǎng)絡中所獲得的來自其它用戶的評價情況，綜合計算得到該用戶的客觀信譽度；然后，依據(jù)社交網(wǎng)絡中的推薦路徑、直接信賴度以及客觀信譽度，計算得到用戶進行推薦所得到的推薦信任度。采用本發(fā)明的用戶間推薦信任度計算方法能夠使社交網(wǎng)絡用戶獲得對于陌生來源推薦可信度自動識別的能力，實現(xiàn)一種社交網(wǎng)絡環(huán)境中的用戶間推薦信任度計算，結合用戶之間的主觀信賴、客觀信譽，以及推薦路徑組成情況等因素，實現(xiàn)推薦信任度計算。
文檔編號G06F17/30GK102982108SQ20121044245
公開日2013年3月20日 申請日期2012年11月7日 優(yōu)先權日2012年11月7日
發(fā)明者張波, 李魯群, 李美子 申請人:上海師范大學