隨著社會與科學技術的飛速發(fā)展,社交網(wǎng)絡在生活、娛樂和工作方面給人們帶來了極大的便利。但由于社交網(wǎng)絡的飛速發(fā)展,其中的用戶數(shù)量以及信息的更新速度正在以指數(shù)級增長,這也導致了社交網(wǎng)絡中的用戶間的信任問題日益突出。本文主要從兩個不同的角度研究社交網(wǎng)絡中用戶之間信任度量問題,研究內(nèi)容如下。（1）改進了傳統(tǒng)基于社交網(wǎng)絡用戶節(jié)點上下文信息的相鄰用戶間信任度量模型,在相似度計算方面,細化了傳統(tǒng)用戶相似度的計算方式,結(jié)合用戶的基本信息相似度和用戶興趣標簽相似性來提高模型計算結(jié)果的合理性,同時又引入用戶之間的共同好友數(shù)作為衡量用戶間是否存在信任關系的影響因素之一,最后在騰訊微博用戶數(shù)據(jù)上驗證了改進模型的有效性。（2）提出基于網(wǎng)絡表示學習的信任預測模型,使用網(wǎng)絡表示學習中的網(wǎng)絡嵌入算法抽取社交網(wǎng)絡中節(jié)點的特征,結(jié)合深度自編碼模型實現(xiàn)了信任預測模型。分別在Epinions和Ciao數(shù)據(jù)集上與其它信任預測模型進行對比,實驗結(jié)果表明文中提出的信任預測模型的預測準確度得到了進一步的提升,并且可有效緩解因信任數(shù)據(jù)稀疏性導致的預測不準確的問題,還在一定程度上提高了信任預測的實時性和可擴展性。（3）將信任模型和協(xié)同過濾... 

【文章來源】：北方民族大學寧夏回族自治區(qū)

【文章頁數(shù)】：67 頁

【學位級別】：碩士

【部分圖文】：

社交網(wǎng)絡科學發(fā)展簡史

族大學2020屆碩士學位論文 第二章 社交網(wǎng)絡的基3 社交網(wǎng)絡的表示社交網(wǎng)絡中的每個用戶看作一個頂點。如果兩個用戶之間存在關系，那就在兩者之。所以，可以用圖來表示社交網(wǎng)絡。在圖中，每個用戶有多少個好友，對應到圖中的度，就是跟頂點相連接的邊的條數(shù)。其中，圖的表示形式通常有無向圖、有向圖如圖 2-2 所示。

圖 2-2 社交網(wǎng)絡的表示圖向圖中包含“度”的含義，一般描述的是與頂點相連接的邊的數(shù)出度和入度組成。入度代表指向頂點邊的數(shù)量；出度代表從某個。如：可以把微博用戶粉絲的數(shù)量用入度來描述，而關注的用戶邊上會帶有權重。例如：用戶間的信任度可以當作權重。絡圖的存儲在計算機中用于計算的存儲方式有：鄰接矩陣、鄰接表和逆鄰接常用二維數(shù)組表示。在無向圖中，如果頂點 i 與 j 之間存在邊， 1；對于有向圖，如果頂點 i 與 j 之間存在頂點 i 指向 j 的邊，果頂點 j 與 i 之間存在 j 指向 i 的邊，則將 A[j][i] 置為 1。對于帶應的權值。具體如圖 2-3 所示：

【參考文獻】：
期刊論文
[1]Building trust networks in the absence of trust relations[J]. Xin WANG,Ying WANG,Jian-hua GUO.  Frontiers of Information Technology & Electronic Engineering. 2017(10)
[2]社交網(wǎng)絡服務中一種基于用戶上下文的信任度計算方法[J]. 喬秀全,楊春,李曉峰,陳俊亮.  計算機學報. 2011(12)

碩士論文
[1]微博社交網(wǎng)絡的用戶信任度模型研究[D]. 杜嬌龍.首都經(jīng)濟貿(mào)易大學 2016



本文編號：3468820