基于D-S证据理论的社交网络信任计算软件工程研究.docxVIP

基于D-S证据理论的社交网络信任计算软件工程研究

本文是一篇软件工程论文，软件工程是研究和应用如何以系统性

的、规范化的、可定量的过程化方法去开发和维护软件，以及如何把经过时间考验而证明正确的管理技术和当前能够得到的最好的技术方法结合起来。（以上内容来自百度百科）今天为大家推荐一篇软件工程论文，供大家参考。

第1章绪论

1.1研究背景与意义

在线社交网络[1]是传统社交网络的一种延伸，在传统的社交网络

中，人与人之间通过各种信息媒介直接或间接的传播消息，而消息会随着社交网络的结构逐渐动态传播并形成新的社交网络结构。随着互联网技术的不断发展，用户在获得社交信息时更加便利、更加快捷。同时随着网络终端的不断发展和创新，各种便携式多媒体设备也让传统社交网络中的消息信息量剧增[2]。基于便携式的移动社交网络终端，用户之间的信息交互可以突破地域性的限制，随时随地的分享和发布社交信息[3]。具有相似兴趣爱好的用户通过通讯设备连接起来，形成虚拟社区，并进行内容的传输与分发，极大地增强了用户的真实性、地域性和交互的实时性。同

时，移动自组网作为社交网络中支持的技术之一应用逐渐广泛并对传统的在线社交网络进行了有益的扩展和补充[4]，MANET可以为用户带来区别

于传统社交网络的新型社交体验，其研究价值和应用价值日益显著[5]。社交网络已经不单单是网络上社区化的交友平台，其与电子商务，网络金融，网络购物等服务业有机结合成为一个新的趋势[6]。随着互联网技术的发展和人们社交形式的改变，社交网络从最初的消息转发演变为各种文件传播的和新闻热点的集散地[7][8]，用户之间行为交互的目的也从原始的消息共享转化为可能含有危害信息的不良行为[9]。然而从另一方面

看，用户之间的推荐行为能很好的促进社交网络的发展。互联网调研数据显示，有八成的消费者在购物之前，会到网络上寻找他人的体验评价。这说明，他人的评价对于正在选择的用户拥有巨大的意义。在社交网络中，朋友关系的评价反馈会给用户提供更有价值的参考。同时通过这种互动，社交网络上的成员也能增加交流，深化互信。让社交网络更加生活化，人性化。为了保护社交网络中用户的隐私权利并更好的实现用户之间的评价推荐。信任度[1]许多学者提出，它帮助人们克服和陌生人进行沟通时产生的不确定性，做出正确的决策从而避免不确定性带来的风险，并促使用户参与到正常的社交活动中[10]。信任度过低的用户被禁止访问，可以在一定程度上保护用户的隐私[11][12]。信任度还可以应用推荐系统，其可以使用户更方便的获得社交网络中的热点消息和用户关注点。由此可以看出，信任度计算是社交网络中非常重要的组成部分。

.........

1.2国内外研究现状

在目前的信任度计算研究中，有以下三大类方法：第一类是将用户

的静态属性进行归一化，并将归一化后的数值作为分类器的输入，基于目前已有的分类器对信任用户和不信任用户进行分类。例如基于SVM的信任度计算方法，基于贝叶斯分类器的信任度计算方法等。第二类是基于新型融合方法的信任度计算方法。此类方法加原始数据直接作为输入，通过多源异构融合算法将原始数据融合为信任度计算结果。由于多源信息融合方法能适应输入数据维度的不同和值域的不同的特点，此类方法相比其他方法能在计算时考虑更多用户属性。例如基于证据理论的信任度计算方

法、基于集合论的信任度计算方法、基于神经网络的信任度计算方法、基于遗传算法的信任度计算方法等。第三类是基于用户群和小世界理论，将用户划分群组并使用群组的特征描绘用户属性和信任决策之间的关系。例如基于群论的信任度计算方法、基于领袖意见的信任度计算方法

等。Brown[29]提出了一种用户在其社交圈子中影响力的计算方法，并基于用户的影响力计算出在同一个社交圈子中其他用户对当前用户的信任

度。Arlei[30]改进了Brown的工作，在用户影响力的基础之上加入了用户消息的传播统计，传播次数越多的用户之间的信任度将会越

强。Tsolmon和Lees[31]将用户的历史行为量化为用户信誉度，基于用户信誉度完成对用户信任决策的计算。除了信誉度，其他属性也被量化并作为信任度计算的输入，例如粉丝数，交互数，转发数等等。蒋文军提出了一种基于网络中消息传播和泄露值的信任度计算方法[32]。Mrmol和

Prez[33]提出一种基于用户行为和用户评价的信任度计算方法。张志勇

[34]提出了一种基于用户反馈和社交圈子的信任度计算方法，其中借鉴并利用了社交圈子中的领袖现象[35]。为了找到社交圈子中的社交领袖，文

献[36]提出了一种基于网络拓扑和历史交互次数的社交领袖发现方法HIT