基于网络结构相似性的信任度量方法

引 言

信任一般被定义为个体基于自身的历史经验对其他个体 未来行为的主观预期 [1]。如今信任在很多方面扮演着重要角 色，比如，内容提供商会为用户处理过量信息，只提供其感 兴趣的内容 ；在线网络服务商提醒用户避免误点不安全的链 接 ；在电子商务平台上的商品推荐板块等都能看到关于信任 的应用场景 [2,3]。在信任网络中，为了衡量节点间的信任强度， 往往还要利用其他手段来计算节点之间的信任值。Li Ding[4] 认为仅仅知道“个体 A 在领域 X 信任个体 B”无法充分反映 个体之间信任的意义，于是将信任分为两大类，即参考信任和 相关信任。刘凯认为在社交网络中，用户的交互行为和时间衰 减也是影响信任的因素，以此提出了基于两者加权的信任模型 RBtrust[5]。本文利用信任网络中用户节点的结构相似性来构建 信任度量模型。

1 结构相似性

本文的一些相关概念定义如下：

施信者：在信任关系中，是施加信任关系的用户节点 ；

受信者：在信任关系中，是被施加信任的用户节点 ；

In-Neighbor（i）：节点 i 拥有的施信者节点集 ；

Out-Neighbor（i）：节点 i 拥有的受信者节点集 ；

Tijin ：节点 i 与节点 j 拥有相似施信者形成的信任度 ；

Tijout ：节点 i 与节点 j 拥有相似受信者形成的信任度 ；

Tijz（in）：标准化后的 Tijin ；

Tijz（out）：标准化后的 Tij

out ； Tij ：节点 i 与节点 j 的加权信任度。

2 信任度量

文献 [3] 研究了用户评分的相似性与信任强度关系，提出 了基于评分相似性的信任模型。本文关注网络结构的相似性， 并从两方面构建了基于结构相似性的信任模型。在信任网络中， 利用 Jaccard 系数定义了 Tijin 和 Tijout ：

3 实验结果

3.1 数据集

本文利用 FilmTrust 数据集 [6] 对之前提出的方法进行验 证。该数据集采集自网站 FilmTrust，该网站是电影评论网站， 允许用户对电影进行评论打分以及对他人的评论进行打分。该 FilmTrust 数据集中有 874 个用户，1 853 条信任关系链。

3.2 模型评估

本部分用于验证以上提出的信任度量模型在网络中的表 现情况。由于用户间的关系有两种，包括直接信任关系和非直 接信任关系，我们通过考察这两种信任关系，决定利用该信 任度量模型计算得到的信任度。计算该施信者与其所有受信 者之间的信任度 Tij 取平均值，用 ts 表示，然后在网络中删除该施信者的所有受信者，并在删除后的网络中随机选取相同个 数的节点，计算该施信者与这些节点之间的信任度 Tij，取平均， 用 rs 表示。最后用两个向量 st 和 sr 分别表示网络中所有施信 者在直接信任关系和非直接信任关系下的信任值，其中，向量 st 中的元素为每个施信者的 ts 值，向量 sr 中的元素为每个施 信者的 rs 值，将 st 和 sr 进行分布检验，不同权重值 α下 st 和 sr 的均值以及 k-s 检验结果见表 1 所列。由表中 p 值可知 k-s 检验不满足 H0 假设，说明用户之间拥有直接信任关系比非直 接信任关系有更高的网络相似性。

4 结 语

本文从网络结构相似性的视角提出了基于网络结构相似 性的信任度量模型，该模型可以很好地度量节点间的信任值， 有利于后续信任传播的研究。