面向在线社会网络的多源信任融合模型研究

在线社会网络是指人们通过网上购物、即时通讯、社交网站、在线推荐等应用相互联系在一起所组成的虚拟社会网络。由于互联网的开放性和匿名性，在线社会网络中存在大量的虚假信息和不可靠服务，成为阻碍在线应用进一步发展的最大障碍，因此如何为用户提供合理有效的信任机制成为一个亟待解决的重要问题。现有信任研究主要是基于显式声望机制的，这些信任模型往往存在信任关系被泛化、信任度量统一化、以及信任计算缺乏个性化等不足。针对上述问题，本项目从互联网上海量的用户生成内容和社区上下文中挖掘出隐式信任信息和用户信任观点，提出基于声望、内容和上下文信息的多源信任融合模型，从而为用户提供更加准确和个性化的信任计算结果。本项目的主要研究内容包括：基于语义推理的隐式信任信息挖掘，基于语义匹配的信任观点挖掘，以及多源信任融合模型构建。本项目为在线社会网络信任计算提供相应的模型、算法和实现技术，具有重要的学术价值和广泛的应用价值。

当前在线社会网络中存在大量虚假信息和不可靠服务，如何提供合理的信任机制成为一个亟待解决的问题。现有研究主要是基于显式声望机制的，往往存在信任关系被泛化、信任度量统一化和信任计算缺乏个性化等不足。针对上述问题，本项目从海量用户生成内容和上下文中挖掘出隐式信任信息和用户信任观点，提出基于声望、内容和上下文信息的多源信任融合模型，为用户提供更加准确、个性化的信任计算结果。成果如下：.1. 提出基于语义推理的隐式信任信息挖掘方法：利用基于用户行为的信任推理挖掘出隐式信任关系，提高信任计算覆盖率；利用基于领域的信任推理从泛化信任关系推理出领域相关信任关系，提高信任计算准确率；利用基于角色的信任推理挖掘出用户兴趣偏好，为个性化信任计算提供支持。.2. 提出基于RDF图路径游走的知识发现方法：面向概念众多、关系复杂的链接数据，解决了本体一致性和推理异化的问题，实现了不同类型本体的融合。利用不同谓词路径表达式的组合，在多图模态下推理出新知识，并触发链式反应，从而实现知识的自动推理。.3. 提出基于语义匹配的信任观点挖掘方法：利用双传播方法同时抽取情感词和特征词。采用点态互信息方法，基于词语语义获得多个情感词簇。根据特征词和情感词簇进行特征级情感计算。再根据情感值与信任评价之间的映射关系，获得最终的信任观点挖掘结果。.4. 提出基于上下文语境的中文分句情感极性判别方法：根据分句中的特征词、否定词、情感词和副词，利用相邻分句的上下文语境，进行特征级情感计算。该方法可以显著减少人工的工作量，同时能够对显式情感词缺失的分句进行情感极性判别，在复杂语言环境下能够有效提高中文分句情感判别的准确率。 .5. 提出基于时间衰减、信任因子加权的动态电子商务信任模型：引入时间衰减，有效地遏制马太效应并体现出信任“难得易失”的特点；引入价格权重，扩大信任评估等级，使信用值更易于区分；设定信用值上限，激励卖家持续诚信经营；模型容易实现和理解，便于卖家根据规则不断提升信用值。.6. 提出基于声望、内容和上下文信息的多源信任融合模型：根据信用评分，利用链式信任模型构建基于声望的信任度量；根据交互时间、用户角色和行为等上下文信息，采用基于图论的方法构建基于上下文的信任度量；根据用户生成内容，采用基于语义匹配的信任观点挖掘方法构建基于内容的信任度量。最后采用基于近似贝叶斯的DS证据融合方法获得最终的信任计算结果。