在线社会网络中融合多源信任信息的信任管理研究

The rapid development of online social networks has make people's work and life more convenient and efficient. Howerver, it causes a huge challenge for the trust between human and information systems. Trust management in large-scale, dynamic and open online social networks is currently faced with some serious problems, such as ignoring the reputation data sparsity, reputation system cold start, less trust information source for trust evaluation. Hence we make the first attempt to propose trust management combining trust information from multi-sources, which can perform trust valuation reasonably and acutely by combing plenty of trust information from multi-sources in online social networks, including direct experience, recommendations from self community, recommendations from related communities, trust credentials provided by users, associated trust information mined and etc. The research contents mainly include reputation sharing mechanism that combines privacy protection and incentive provision, cross-community reputation transform mechanism that is based on ontology mapping, fuzzy theory based trust model that combines trust information from multi-sources and trust management prototype systems. The result of our research project provides a new approach and feasible solution for current trust and reputation research in online social networks. Our research has great significance for making trust and reputation mechanism more efficient and enhancing the trustworthiness of online social networks.

在线社会网络近年来发展迅猛，给人们生活和工作带来极大便利，但同时也给人类和信息系统的信任关系带来巨大挑战。面对大规模动态开放的在线社会网络，现有的信任管理研究工作存在对信誉数据稀疏问题重视不够、信誉系统冷启动、信任评价的信息源单一等问题。对此，项目组创新性地提出了融合多源信任信息的信任管理，通过有效融合在线社会网络中丰富的多源信任信息，包括直接经验、社区内的推荐、相关社区的信誉信息、用户提供的信任凭证及系统挖掘的相关信任信息，可以实现更为合理准确的信任评价。具体研究内容包括：保护隐私和提供激励相结合的信誉共享机制、基于本体映射的跨社区信誉转换机制、基于模糊理论的融合多源信任信息的信任模型、融合多源信任信息的信任管理原型系统。本项目的研究成果为在线社会网络中信任及信誉研究提供了全新思路与可行方案，对提高信任及信誉机制效能、增强在线社会网络可信性具有重要意义。

本项目重点研究了在线社会网络中的基于信誉的信任管理机制，主要内容包括：可信度增强的信誉模型、鼓励诚实推荐的激励机制、跨社区的开源软件推荐机制、跨社区的开源软件推荐系统的设计与实现。提出了一种可信度增强的信誉机制CERep，该机制中节点基于自身的经验产生的直接信任评价，包含直接信任评价值和关于此评价值的信心因子两个部分。在此基础上，提出了新的基于信誉的信任评价算法和推荐可信度计算模型，并给出了信誉机制的分布式实现策略。提出了一种基于策略的诚实推荐激励机制，该机制通过服务区分来达到激励的目的。定义了两个参数参与层次和推荐可信度来标示节点在信誉系统中的行为特征，并且把节点的兴趣作为衡量其参与度的一个重要因素。基于上述两个参数，提出一种简单有效的信誉信息交换协议来促进节点积极诚实参与信誉信息交换。提出了一种跨社区关联匹配的开源软件推荐算法，通过调研和分析协同开发社区中软件项目和知识分享社区中软件资源的关联关系，进行关联匹配，基于匹配结果计算项目之间的相似性产生推荐结果。基于OSSEAN平台设计并实现了开源软件推荐系统。目前，系统已为231542个开源软件项目生成了相应的推荐项目，并实现了跨社区的软件资源关联。