微博社交网络的用户信任度模型研究

摘要

随着社交网络服务的快速发展，人们越来越依赖社交网络进行信息交流，社交网络用户也随之急剧增长，同时也伴随着大量恶意用户，正常用户找到其他可信用户变得越来越困难，用户间的信任问题也日益突出，这使得对信任问题的研究变得更有意义，已有研究将用户间信任度应用于推荐系统，也有研究指出，可以从社交网络中提取用户信息和用户间的信任信息，再在推荐系统中应用这些信息，会使得推荐更加有效。
　　本文主要工作:研究微博社交网络中相邻用户之间的信任度量问题，通过对微博社交网络和社交网络中用户行为的分析的研究，提出了一种新的基于微博社交网络的相邻用户信任度量模型I-Trust模型，该模型是通过分析微博社交网络中用户间信任的来源，将信任分为三个维度来度量:初始来源构成相似信任度，即两个用户的兴趣的相似程度;用户间的交互行为信息，构成两个用户间的交互信任度，即考察用户间互动活动的频率大小;用户在微博社交网络中的信誉度，构成目标用户的全局信任度，这个由该用户在此社交网络中拥有的粉丝数、该用户的微博质量高低，微博被转发的被评论的次数决定。其中，交互信任度的计算，充分考虑了用户节点之间信任的不对称性，更加贴近实际生活和人们对社交网络中信任的认知。对于这三个维度的信任度计算，文章中首先给出了相关定义，分别研究了现有的计算这三种维度的算法，在已有算法中选取了适合微博社交网络的算法，改进了现有的一种交互信任度的算法，从而形成一种新的基于微博社交网络的相邻用户间的信任值度量模型I-Trust模型。
　　使用I-Trust模型在百万用户级的腾讯微博数据集上进行了实验，验证了模型的有效性，分析了微博社交网络中信任的情况。最后将利用I-Trust模型计算出的三个维度的信任值，进行了用户推荐的实验，考察了各个维度的信任值在用户推荐问题上的性能。

目录

声明

摘要

1 绪论

1．1 研究背景和意义

1．2 关键概念和研究范畴的界定

1．2．1 社交网络

1．2．2 个性化推荐系统

1．2．3 协同过滤

1．3 研究现状

1．3．1 信任技术研究现状

1．3．2 社交网络中信任模型研究现状

1．4 创新之处及论文组织结构

2 社交网络及信任机制相关概念

2．1 社交网络

2．1．1 社交网络简介

2．1．2 微博社交网络的图形表示

2．2 信任机制

2．2．1 信任问题简介

2．2．2 微博社交网络信任特性

2．3 本章小结

3 社交网络中信任的度量

3．1 相邻用户信任度的计算模型

3．2 改进了的相邻用户信任度计算模型I-Trust

3．2．1 相关定义

3．2．2 I-Trust模型

3．3 信任度计算

3．3．1 相似信任度STr(u，v)

3．3．2 全局信任度RTr(v)

3．3．3 交互信任度FTr(u，v)

3．4 本章小结

4 实验与分析

4．1 实验目标

4．2 实验环境

4．3 实验数据集及方案设计

4．3．1 实验一：腾讯微博中部分相邻用户信任度的度量实验

4．3．2 实验二：I-Trust模型应用于用户推荐实验

5 总结与展望

5．1 工作总结

5．2 工作展望

致谢

参考文献