[發明專利]貝葉斯算法和MapReduce相結合的信任度量方法

有效

• 申請號: 201310397770.X
• 申請日: 2013-09-04
• 公開（公告）號: CN103455842A
• 公開（公告）日: 2013-12-18
• 發明（設計）人: 鄭相涵;徐凌珊;陳哲毅;郭文忠;陳國龍
• 申請（專利權）人: 福州大學
• 主分類號: G06N3/00
• 分類號: G06N3/00;H04L29/08
• 代理公司: 福州元創專利商標代理有限公司 35100
• 代理人: 蔡學俊

1.一種貝葉斯算法和MapReduce相結合的信任度量方法，其特征在于，包括以下步驟：

S01：采用貝葉斯過濾算法對移動終端交互中產生的行為記錄進行信任度評估，通過統計訓練數據集中的先驗概率，利用貝葉斯公式計算出其后驗概率，選擇最大后驗概率作為行為記錄的信任度；

S02：運用帶Dirichlet過程的貝葉斯推理算法對可信記錄做概率分布評估，得到對移動終端的可信度預測；

S03：采用信息增益算法實現特征值的選取。

2.根據權利要求1所述的貝葉斯算法和MapReduce相結合的信任度量方法，其特征在于：所述步驟S01采用基于多變量的伯努利事件模型對行為記錄分解所得的屬性詞集進行處理。

3.根據權利要求2所述的貝葉斯算法和MapReduce相結合的信任度量方法，其特征在于：貝葉斯公式中P(B_i|A)表示求行為記錄A出現的概率下是B_i分類的概率，B_i的分類為可信記錄B₁和不可信記錄B₂，也就是我們所要求得的后驗概率，先驗概率P(B_i)可通過統計訓練數據獲得，似然概率P(A|B_i)可轉換為屬性詞與分類的關系計算，設x_k（k=1，2...m）表示行為記錄A的屬性詞，w_k為屬性詞x_k在行為記錄A中出現的情況，w_k=1表示屬性詞出現，w_k=0表示屬性詞不出現；則有：P(A|Bi)=Πk=1m(wkP(xk|Bi)+(1-wk)(1-P(xk|Bi))),]]>其中當x_k出現的概率為P(x_k|B_i)，x_k不出現的概率為(1-P(x_k|B_i))，那么得：由于B_i的分類為二值分類，因此對P(x_k|B_i)作平滑處理可得再根據全概率公式P(A)=P(B₁)P(A|B₁)+(1-P(B₁))P(A|B₂)，獲得行為記錄A出現的概率，聯立以上式子得到行為記錄信任度的解。

4.根據權利要求1所述的貝葉斯算法和MapReduce相結合的信任度量方法，其特征在于：所述步驟S02中，每個可信記錄被劃分為5個級別：完全信任，比較信任，一般信任，不大信任，不信任，并且每條可信記錄由貝葉斯過濾器劃分到這五個級別。