电子商务系统中一种层次化信任度计算模型

电子商务系统中一种层次化信任度计算模型

ID:32642530

大小:63.78 KB

页数:22页

时间:2019-02-14

电子商务系统中一种层次化信任度计算模型_第1页
电子商务系统中一种层次化信任度计算模型_第2页
电子商务系统中一种层次化信任度计算模型_第3页
电子商务系统中一种层次化信任度计算模型_第4页
电子商务系统中一种层次化信任度计算模型_第5页
资源描述:

《电子商务系统中一种层次化信任度计算模型》由会员上传分享,免费在线阅读,更多相关内容在工程资料-天天文库

1、电子商务系统中一种层次化信任度计算模型首都经济贸易大学信息学院北京市100070摘要:随着互联网的发展,个性化推荐系统在缓解信息过载、提升用户体验方面发挥着重要作用,但其依然存在许多缺陷。木文以如何提高用户满意度为主线,通过社交网络将信任机制引入推荐系统并参考社会学相关知识,将人们之间的信任来源进行分类,提出层次化信任度计算模型。最终通过实验对层次化信任度计算模型的推荐效果进行了比较研究。关键词:推荐系统;社交网络;木地信任;全局信任;层次化信任Abstract:WiththedevelopmentofInternet,Recommendation

2、Systems(RSs)playsanimportantroleonalleviatingInformationOverflowandimprovingusersatisfaction.ButRSshavealotofdefects.Thepaper’smaintopicishowtoimproveuser’ssatisfaction.Forthecalculationoftrustdegree,thispaperimportstrustintoRSsthroughsocialnetworkingandreferencesk

3、nowledgeofsociologyandidentifiestrustsourceamongpeople,andproposeamodelofhierarchicaltrusttheend,thepapercomparedtherecommendationofhierarchicalmodelwiththeparameters.Keywords:RecommendationSystem;LocalTrust;GlobalTrust;HierarchicalTrust1•引言我国正处于电子商务蓬勃发展的时代,但是也面临前所未有的挑战:信息过载。而

4、推荐系统根据用户需求为其推荐商品,降低了商晶信息过载问题[9],帮助用户花费最少的时间和精力购买到最符合需求的商品,但其存在着难以克服的缺点。通过社交网络将信任机制引入推荐系成为研究新方向。目前,这方面的研究尚不成熟,木文根据信任的产牛来源将人与人之间的信任分为三个层面,建立了基于层次的信任度计算模型,具有重要的理论价值与实践价值。本文第2节详细讨论层次信任度计算模型;第4节通过实验对模型进行性能评估;第5节总结全文。2.层次化信任度计算模型研究如何通过社交网络将信任引入推荐系统,在学术界仍未达成共识。PaoloMassa等人在文献[1,2,4]中

5、分别使用了本地信任和全局信任使用户之间可以传播信任,乔秀全等人从图论的角度说明了用户之间的信任产生方式。本文则提出一种层次化的信任产生方式。2.1社交网络中的多层次信任来源根据社会学交际过程,本文将社交网络中人与人的信任来源分为三层。外部来源:新用户会选择信任网络中名誉值比较高的用户。交互来源:通过在线交互(或线下交际),新用户对其他用户了解加深,他们开始信任网络中其他用户。内部来源:随着吋间的推移,用户会越来越信任与自己在内在品质方面有较多相似点的用户。定义1•声誉信任/外部信任:是外部来源所产生的信任,是由一个人在公共环境中的整体声誉或者公信力

6、所产生的信任。它是一种全局信任,是一个系统中所有人对该用户的“公认度”,独立于任何单个的第三方用户。即某一特定用户的声誉信任对于系统中的其他所有用户来说都是相同的。定义2.交互信任:交互信任即交互来源所产生的信任,它是一个系统或集体中人与人之间的交际活动所产生的信任关系。交互信任是一种本地信任,这种信任值因人而异。定义3•内部信任:内部来源所产生的信任,是由于两个人之间内在品质(如性格、品味、理想等)的相似性产生的信任关系。2.2层次化信任度计算模型根据图2.1得到层次化信任度计算模型的抽象数学表达式如等式(3.1)所示:(2.1)在公式(2.1)

7、中,Trust(A,W)代表用户A对用户W的总体信任值,它由声誉信任值、交互信任值和内部信任值加权求和得到。a、b、c为经验参数,它们之间满足:a,b,c>O,a+b+c二1;R(W)表示用户W在系统中的声誉信任值,使用E-PageRank对其进行计算;IT(A,W)表示用户A和用户W之间的交互信任值;Sim(A,W)表示用户A用户W由于相似性而产生的信任值,即内部信任值。2.3社交网络的抽象表示本文参考文献[6,10]中基于有向加权图计算用户之间信任值的做法,将社交网络抽象成有向加权图。从图论的角度来看,一个社交网络可以抽象表示为有向加权图

8、G(U,E,W),U为所有节点的集合代表所有的用户;E为网络中的有向边集合,位于有向边起点的节点称为源节点,反之为目标节点

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。