[發明專利]一種社交網絡用戶信任的計算方法和計算系統

在審

• 申請號: 201710589603.3
• 申請日: 2017-07-11
• 公開（公告）號: CN107609002A
• 公開（公告）日: 2018-01-19
• 發明（設計）人: 魏澤國;趙長偉;孫素環
• 申請（專利權）人: 河南科技大學
• 主分類號: G06F17/30
• 分類號: G06F17/30;G06Q50/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

技術領域

本發明涉及通信技術領域，尤其是涉及一種社交網絡用戶信任的計算方法和計算系統。

背景技術

隨著社交網絡服務的流行，社交網絡的用戶數量和種類均逐年增加，越來越多的信息和服務通過社交網絡分享或提供。在信息和服務分享或提供的過程中，社交網絡用戶之間的信任扮演著十分重要的角色，用戶更容易接受來自信任用戶提供的信息而拒絕不信任用戶的信息，同時把信息分享給信任的用戶。

目前，社交網絡建立信任最常見的三種的方法為：交易信任、信任鏈和推薦信任。

交易信任通過用戶之間的歷史交易信息建立信任關系，是一種直接建立信任的方法，但該方法需要保存歷史交易信息且信任用戶的數目非常有限，信任用戶范圍僅限與其有直接交易的用戶；

信任鏈方法假設信任具有一定的傳遞能力，用戶之間的信任關系可以通過信任鏈來建立，信任鏈是一種間接建立信任的方法，該方法能夠有效擴大信任用戶的數目，但信任鏈的方法不能處理不信任的問題，不能解釋信任鏈中信任的傳播和信任不平衡問題，并且信任的傳遞也并不總是成功；

推薦信任利用用戶信任屬性的相似性為用戶推薦信任節點或者通過權威節點向用戶推薦信任節點，同樣是一種間接信任的方法，推薦信任能夠有效的為用戶推薦信任節點，但也存在顯著的缺陷，即該方法需要用戶的信任屬性信息，但在社交網絡中，用戶一般不愿意主動提供自身的信任屬性信息，故獲取用戶的信任屬性存在一定的困難，另一方面，當使用權威節點向用戶推薦信任節點時，如何選取權威節點和權威節點的認證也是一個很難解決的問題。

因此，目前的社交網絡用戶信任的計算方法和計算系統均有待進一步改進。

發明內容

為解決上述技術問題，本發明公開了一種社交網絡用戶信任的計算方法和計算系統，以期在該計算方法和計算系統中，僅使用用戶之間的信任信息，不需要用戶提供屬性信息，用戶之間的信任關系被表示為信任矩陣，基于矩陣分解方法，用戶的信任矩陣被分解為用戶信任潛在因子矩陣和用戶被信任潛在因子矩陣，用戶之間的信任值通過相應信任因子和被信任因子內積計算而得，在信任預測階段，該計算方法和計算系統具有很高的預測速度，并具有較高的預測精度。同時，以期使用信任因子能夠較好的解釋信任鏈中信任的傳播和信任不平衡技術問題。

在一個方面，本發明公開了一種社交網絡用戶信任的計算方法，該計算方法包括：

S100、信任因子的計算：所述信任因子通過在已知信任值上最小化如下的目標函數獲得：

其中，P_i為用戶i的信任因子，Q_j為用戶j的被信任因子，T_ij為用戶i對用戶j的信任值，T為已知信任矩陣，λ為正則化系數；以及

S200、信任預測值的計算：所述信任預測值通過如下公式計算：

其中，為用戶i對用戶j的信任預測值。

其有益技術效果是：用戶不必主動提供自身的信任屬性信息，系統能夠在用戶之間的建立信任關系；該計算方法具有很高的預測速度和較高的預測精度；能夠解釋信任鏈中的信任傳播傳播潛在規律和信任不平衡技術問題；成功解決了信任的傳遞失效的技術問題，能夠確保信任的傳遞一直成功；能夠有效過濾掉惡意用戶，安全性更高，從而能夠確保社交網絡更加安全；適用范圍更加廣泛，具有巨大的市場推廣價值。

優選的，所述已知信任值矩陣包含大量的缺失數據。由此，信任值矩陣包含大量的缺失數據，一方面能夠保證在用戶不愿意提供顯式信任信息時能夠計算用戶之間的信任度，另一方面，該方法也符合社交網絡中數據收集的情況，即存在大量缺失數據、數據更多使用隱式收集方法。

優選的，求解所述目標函數采用隨機梯度下降算法(SGD)。由此，與批處理梯度下降算法相比，隨機梯度下降算法能夠減少計算工作量，該方法更適合社交網絡中數據規模大的情況。另一方面，使用隨機梯度下降算法可以并行計算。

優選的，求解所述目標函數采用交替最小二乘法(ALS)。由此，多變量時，目標函數不能保證是凸函數，交替最小二乘在一個變量固定時，目標函數是凸函數，能夠找到最優解。

優選的，所述交替最小二乘法(ALS)通過輪流固定P_i和Q_j的值，使用如下迭代算法得到滿足所述目標函數的P_i和Q_j：

P_i←P_i+γ(e_ij·Q_j-λ·P_i)，