大规模社交网络中基于复杂社会行为的社会信任关系挖掘

With the increasement of participants in Online Social Networks (OSNs), OSNs have become one of the most important platforms for information publishing and sharing, employment and product recommendations. As the trust between participants have significant influence on service and produce selections and information dissemination, etc. Therefore, trust has become one of the most important indications for patcipants decesion-making for social activities in OSNs, and thus trust becomes a significant research topic in OSNs. The existing trust evaluation mechinisms have some drawbacks. I.E.,they do not consider the complex social information in trust evaluation, and they do not analyze the complex social behaviors and consider the influence of different behavior patterns on trust inference. Based on the theories in Social Science, the above aspects have significant influence on trust evaluation. Therefore, the existing methods cannot deliver reasonable and accurate trust values between participants. To address the above drawbacks, the studies of this project will mainly focus on: (1) Based on the complex social behaviors in large-scale OSNs, developing data mining methods to mine complex social information. (2) Based on the complex social behaviors and social information, constructing social hierarchy for participants. (3) Based on the hierarchy, social behaviors and social information, minging the social trust relations between participants who have direct interactions.(4) Inferring the social trust relations between participants who do not have direct interaction, and developing high efficient algorithm to search the most trustworthy (or untrustworthy) participants in large-scale OSNs.

近年来随着参与人数迅猛增长，在线社会网络已经成为信息发布共享，工作求职，产品推荐等活动的重要网络平台。由于参与者之间的信任影响着服务和产品的选择，信息的传播等。因此信任成为了支持人们网络社交的重要参考指标,具有重要的研究价值。已有在线社会网络信任评估方法存在许多缺陷，包括没有考虑复杂社会信息对信任评估的影响，没有分析复杂社会行为，没有考虑不同行为模式对信任推理的影响等。根据社会科学相关理论，这些因素对信任评估具有重要影响。因此已有方法不能合理准确的评估参与者之间的信任。本课题针对目前研究方法存在的缺陷主要研究：（1）根据复杂社会行为研究大规模在线社会网络中复杂社会信息挖掘方法；（2）根据复杂社会行为与社会信息，研究建立社会层次模型；（3）在此基础上挖掘具有社会联系的参与者之间的直接信任关系；（4）推理参与者之间的间接信任关系，并研究高效查询算法查询网络中高可信（或非可信）的参与者。

经过3年的研究，青年科学基金项目“大规模社交网络中基于复杂社会行为的社会信任关系挖掘” 进展顺利，成果突出，已完成预定目标，部分研究内容已超出预定的计划。截止到目前，本项目共发表和录用论文26篇，其中CCF A 类会议论文3篇，CCF B 类会议论文12篇，CCF C类会议论文 6篇，SCI 二区期刊论文1篇，CCF B类期刊论文1篇，其它SCI 论文2篇，其它会议论文1篇。项目的主要代表性成果有：设计了社交网络中高效的信任子网查询抽取算法，相关成果发表在人工智能著名国际会议 AAAI 2014（CCF A 类）和服务计算著名国际会议 ICWS 2016（CCF B 类）上； 设计了高效精确的社交网络中基于信任的影响力评估算法，相关成果发表在服务计算著名国际会议 ICWS 2015（CCF B 类）和 ICSOC 2016（CCF B 类），以及著名期刊 Neurocomputing（SCI 二区）和 World Wide Web Journal (SCI 二区)上；设计了高效的社交网络中信任路径的查找方法，相关成果发表在数据库著名会 ICDE 2015（CCF A 类）, DASFAA 2015（CCF B 类）；设计了有效的隐私保护算法，相关成果发表在数据库著名国际会议 ICDE 2015（CCF A 类）和 DASFAA 2016（CCF B 类）上。总而言之，在本项目的资助下，课题组超额完成了预定的研究任务，取得了较好的研究成果。