基于“小世界”網(wǎng)絡(luò)原理約簡在線社交網(wǎng)絡(luò)的算法研究

《基于“小世界”網(wǎng)絡(luò)原理約簡在線社交網(wǎng)絡(luò)的算法研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。

1、基于“小世界”網(wǎng)絡(luò)原理約簡在線社交網(wǎng)絡(luò)的算法研究摘要：本文主要考慮到直接在大規(guī)模在線社交網(wǎng)絡(luò)下評(píng)估用戶個(gè)體問信任成本太高，因此，我們提出一種基于“小世界”網(wǎng)絡(luò)原理約簡在線社交網(wǎng)絡(luò)的算法。為驗(yàn)證該方法的有效性，我們在Epinions數(shù)據(jù)集上進(jìn)行了多方面的實(shí)驗(yàn)測試。實(shí)驗(yàn)結(jié)果表明，約簡后的信任網(wǎng)絡(luò)可以較好地評(píng)估原始在線社交網(wǎng)絡(luò)中用戶個(gè)體問的信任程度。本文采集自網(wǎng)絡(luò)，本站發(fā)布的論文均是優(yōu)質(zhì)論文，供學(xué)習(xí)和研究使用，文中立場與本網(wǎng)站無關(guān)，版權(quán)和著作權(quán)歸原作者所有，如有不愿意被轉(zhuǎn)載的情況，請通知我們刪除己轉(zhuǎn)載的信息，如果需要分享，請保留本段說明。關(guān)鍵詞

2、：社交網(wǎng)絡(luò)；“小世界”；約簡社交網(wǎng)絡(luò)；信任評(píng)估0引言隨著Internet的普及和盛行，每天都有數(shù)以萬計(jì)的新用戶加入到在線社交網(wǎng)絡(luò)中，來與其他用戶進(jìn)行信息交流和交互，其中很多是互不相?R的用戶。因此，評(píng)估這些用戶之間的信任程度，對提高社交網(wǎng)絡(luò)服務(wù)質(zhì)量和加強(qiáng)其安全性具有非常重要的作用。本文提出一種基于“小世界”網(wǎng)絡(luò)原理約簡在線社交網(wǎng)絡(luò)的算法(SWRSN)o該算法對原始社交網(wǎng)絡(luò)進(jìn)行了約簡，采用了用戶活動(dòng)域(domain)信息，該信息相對于其它信任信息來說是客觀的、穩(wěn)定的。因此，該算法具有較低的復(fù)雜度，并且對惡意攻擊也有一定的魯棒性。1算法模型本

3、算法主要包括三個(gè)關(guān)鍵步驟：（1）原始社交網(wǎng)絡(luò)的約簡，即根據(jù)“小世界”網(wǎng)絡(luò)原理約簡原始社交網(wǎng)絡(luò)；（2）計(jì)算信任網(wǎng)絡(luò)中用戶個(gè)體問的信任值，即通過計(jì)算約簡的信任網(wǎng)絡(luò)中用戶個(gè)體問的信任值，從而間接評(píng)估原始社交網(wǎng)絡(luò)中用戶個(gè)體問信任程度。1.1約簡原始社交網(wǎng)絡(luò)約簡原始社交網(wǎng)絡(luò)的整個(gè)過程其主要是原始的信任網(wǎng)絡(luò)基礎(chǔ)上，根據(jù)“小世界”網(wǎng)絡(luò)原理，采用廣度優(yōu)先算法搜索盡可能多的源節(jié)點(diǎn)到目標(biāo)節(jié)點(diǎn)之間的短路徑（最大步長MaxLength^）,并且刪除路徑中任意一條邊的信任值小于給定信任閾值（一般設(shè)置信任閾值th=O.5）的路徑。1.2計(jì)算信任網(wǎng)絡(luò)中用戶個(gè)體問的信任

4、值在本節(jié)中，主要是在約簡的信任網(wǎng)絡(luò)基礎(chǔ)上，計(jì)算源節(jié)點(diǎn)要目標(biāo)節(jié)點(diǎn)的預(yù)測信任值。這里我們采用4種較為常見的信任評(píng)估策略，如表1.1所示。下面介紹信任傳播和信任整合操作。信任傳播操作：從source節(jié)點(diǎn)到target節(jié)點(diǎn)路徑中用廣的信任傳播。兩種較為常見的傳播操作是取最小值（Min）傳播和取乘積傳播（Multi）。前者是指取路徑上最小的推薦信任值，后者是指取路徑上所存推薦信任值的乘積。信任整合操作：從source節(jié)點(diǎn)到target節(jié)點(diǎn)中所有路徑的信任整合。兩種較為常見的信任整合操作為取最大值(Max)和取加權(quán)平均值(WAve)。前者是指取所有路

5、徑中最大的信任傳播值，后者是指取所有路徑的信任傳播值的加權(quán)平均值。2實(shí)驗(yàn)評(píng)估2.1實(shí)驗(yàn)設(shè)計(jì)本論文主要采用留一法進(jìn)行實(shí)驗(yàn)。采用數(shù)據(jù)集為Epinions，該數(shù)據(jù)集為社交網(wǎng)絡(luò)中較為典型的實(shí)驗(yàn)測試數(shù)據(jù)集。如果Sollrce到target之間有一條直接的信任邊，則這條邊將被隱去。這時(shí)，source到target之間的信任值將通過它們之間信任圖來計(jì)算。本實(shí)驗(yàn)采用Y較為常見的四個(gè)精度指標(biāo)來評(píng)估本論文提出的算法的右效性，分別乂/:絕對誤差(Absoluteerror)、精度(Precision)、召回率(Re-call)和F分?jǐn)?shù)(F-Score),計(jì)算公

6、式如表2.1所示。其中表示實(shí)際中信任的用戶集，表示當(dāng)前算法預(yù)測為信任的用戶集。由表2.2可知，最小的Precision為0.7248,說明本論文提出的BDSWRSN算法具有較好的信任預(yù)測精度。此外，最小的F-Score為0.5875,剩下F-Score都在0.62以上，這也說明BDSWRSN算法的可以較為有效地幫助預(yù)測在線社交網(wǎng)絡(luò)中用戶個(gè)體問信任程度。3結(jié)論在本文中，我們采用了一種標(biāo)準(zhǔn)的留一法評(píng)估技術(shù)和社交網(wǎng)絡(luò)測試中常用的Epinions數(shù)據(jù)集，采用信任預(yù)測精度作為衡量指標(biāo)，對本文提出的基于“小世界”網(wǎng)絡(luò)約簡在線社交網(wǎng)絡(luò)算法(SWRSN)

7、進(jìn)行了有效性地評(píng)估。實(shí)驗(yàn)結(jié)果顯示，采用Multi-Wave信任評(píng)估策略，約簡后的信任M絡(luò)的F-Score為0.6504,這說明SWRSN算法可以較好地評(píng)估原始在線社交網(wǎng)絡(luò)中用戶個(gè)體間的信任程度。