網(wǎng)絡(luò)應(yīng)用的飛速發(fā)展對(duì)相應(yīng)的網(wǎng)絡(luò)安全機(jī)制提出了新的技術(shù)要求。信任通過(guò)分析和評(píng)估各個(gè)網(wǎng)絡(luò)節(jié)點(diǎn)之間的潛在信任信息,能夠在復(fù)雜的網(wǎng)絡(luò)環(huán)境中提供相對(duì)靈活的安全度量機(jī)制,目前已經(jīng)成為網(wǎng)絡(luò)安全領(lǐng)域中研究和應(yīng)用的熱點(diǎn)。信任評(píng)估是信任研究的基礎(chǔ),但是由于信任的主觀(guān)性、模糊性等特點(diǎn),如何構(gòu)建高精度、低負(fù)載的信任評(píng)估模型仍然是一個(gè)重要性和挑戰(zhàn)性并存的研究主題。同時(shí),各類(lèi)在線(xiàn)社交網(wǎng)絡(luò)的流行,改變了用戶(hù)獲取信息的方式。用戶(hù)不僅會(huì)依據(jù)其個(gè)人興趣或愛(ài)好獲取信息,與其有社會(huì)關(guān)系的其他用戶(hù)的推薦也會(huì)對(duì)用戶(hù)的選擇造成影響。社會(huì)化推薦系統(tǒng)將影響用戶(hù)行為偏好的社會(huì)屬性因素與協(xié)同過(guò)濾算法相融合,有效地提高了推薦的準(zhǔn)確性,而且使推薦系統(tǒng)更符合人類(lèi)的社會(huì)特征。信任關(guān)系是當(dāng)前社會(huì)化推薦系統(tǒng)中使用最廣泛的社會(huì)關(guān)系,如何更有效地將用戶(hù)信任關(guān)系應(yīng)用于推薦系統(tǒng),是社會(huì)化推薦系統(tǒng)的重要課題。本文對(duì)網(wǎng)絡(luò)環(huán)境中的信任進(jìn)行了研究,結(jié)合機(jī)器學(xué)習(xí)的方法提出了一種新的信任評(píng)估模型,并嘗試將用戶(hù)的信任偏好與屬性偏好與相融合,綜合進(jìn)行社會(huì)化推薦。主要工作如下:（1）傳統(tǒng)信任模型由于其依賴(lài)信任在網(wǎng)絡(luò)中的傳播與迭代,在大型網(wǎng)絡(luò)中性能不佳。本文提出了一種基于機(jī)器學(xué)... 

【文章來(lái)源】：合肥工業(yè)大學(xué)安徽省 211工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：63 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
致謝
摘要
abstract
第一章 緒論
    1.1 課題的背景與意義
        1.1.1 當(dāng)前網(wǎng)絡(luò)環(huán)境的特點(diǎn)
        1.1.2 當(dāng)前網(wǎng)絡(luò)環(huán)境面臨的安全性挑戰(zhàn)
        1.1.3 信任技術(shù)在網(wǎng)絡(luò)安全研究中的重要意義
        1.1.4 信任技術(shù)在推薦系統(tǒng)中的應(yīng)用
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 信任模型研究現(xiàn)狀
        1.2.2 社會(huì)化推薦算法研究現(xiàn)狀
    1.3 論文的主要工作及創(chuàng)新點(diǎn)
    1.4 論文組織結(jié)構(gòu)
第二章 信任及其評(píng)估技術(shù)
    2.1 信任概述
        2.1.1 信任的定義
        2.1.2 信任的特點(diǎn)
    2.2 信任評(píng)估模型
    2.3 信任評(píng)估模型的主要任務(wù)
    2.4 融合信任的社會(huì)化推薦
    2.5 本章小結(jié)
第三章 基于代價(jià)敏感極限學(xué)習(xí)機(jī)的半監(jiān)督信任評(píng)估模型
    3.1 引言
    3.2 模型設(shè)計(jì)與訓(xùn)練方法
        3.2.1 應(yīng)用場(chǎng)景與預(yù)處理
        3.2.2 極限學(xué)習(xí)機(jī)
        3.2.3 代價(jià)敏感的訓(xùn)練方法
        3.2.4 半監(jiān)督的訓(xùn)練方法
    3.3 實(shí)驗(yàn)與分析
    3.4 本章小結(jié)
第四章 融合用戶(hù)信任的社會(huì)化推薦算法設(shè)計(jì)與分析
    4.1 引言
    4.2 社會(huì)化推薦算法
        4.2.1 問(wèn)題描述
        4.2.2 概率矩陣分解(PMF)算法
        4.2.3 SocialMF推薦算法
    4.3 算法描述
        4.3.1 用戶(hù)隱含屬性偏好
        4.3.2 用戶(hù)隱含信任偏好
        4.3.3 用戶(hù)評(píng)分偏好
        4.3.4 算法總述
    4.4 實(shí)驗(yàn)結(jié)果與分析
        4.4.1 數(shù)據(jù)集
        4.4.2 實(shí)驗(yàn)結(jié)果與分析
        4.4.3 參數(shù)的影響
    4.5 本章小結(jié)
第五章 總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
參考文獻(xiàn)
攻讀碩士學(xué)位期間的學(xué)術(shù)活動(dòng)及成果情況



本文編號(hào)：3164382