CN102780683A - 基于社交网络的动态群体间信任度估算方法 - Google Patents

Abstract

一种基于社交网络的动态群体间信任度估算方法，应用于由服务端及客户端构建的社交网络系统中，用以估算至少两个动态群体之间的信任度，所述方法主要是先估算第一动态群体内的各该第一节点可信度，然后依据该第二节点与各该第一节点的直接交互数量和各该第一节点可信度估算该第二节点与该第一动态群体的直接信任度，接着再估算出该第一动态群体与该第二动态群体之间的直接信任度和间接信任度，进而得出该第一动态群体与该第二动态群体之间的总信任度，以此实现在现有一对一之间信任关系研究的基础上，针对一对多、多对一以及多对多之间的信任关系，以对社交网络中动态群体之间的信任关系进行合理、有效地描述与度量。

Description

基于社交网络的动态群体间信任度估算方法

技术领域

本发明涉及一种基于社交网络的动态群体间信任度估算方法，特别涉及一种应用于由服务端及客户端构建的社交网络系统中用以估算至少两个动态群体之间的信任度估算方法。

背景技术

随着网络信息技术的发展，社交网络(SNS)已成为互联网上最热门的休闲交友平台之一，它正在涵盖以人类社交为核心的所有网络服务形式。社交网络的理论基础源于六度分割理论，即最多通过六个人就能认识任何一个陌生人，最简单的例子就是通过朋友的朋友甚至朋友的朋友来扩大自己的朋友圈。但是随着社交网络的快速发展，其所面临的信任问题也逐步显现。目前在社交网络中关于信任关系的研究已有了一些研究成果，但这些成果同样也没有对社交网络中群体之间的信任关系进行描述和度量。

信任关系作为最复杂的社会关系之一，具有不确定性、不对称性、部分传递性、时间衰减性等一系列复杂的动态属性。信任关系可能是一对一之间的信任关系，它体现为两个节点之间的信任关系；也可能是一对多、多对一以及多对多之间的信任关系，它体现为一个节点与一个群体或两个群体之间的信任关系。20世纪90年代初，相关领域的学者首次尝试将信任关系的研究引入到计算机网络环境中工作，并使用了不同的方法和工具，建立了不同的信任模型。这些模型针对一对一之间的信任关系作了各种不同方法的建模工作，取得了重要的研究成果，但都没有提供群体之间信任关系的描述和度量。

社交网络中的信任关系非常复杂，一对多、多对一以及多对多之间的信任关系在社交网络中广泛存在，在社交网络对群体信任的研究具有一定的意义。但是，由于社交网络中的群体是动态的，网络中一个节点可以同时属于多个群体，并且一个节点可以随时加入或离开一个群体。目前，业内还没有一种估算方法可以对社交网络中动态群体之间的信任关系进行合理、有效地描述与度量。因而，如何提供一种基于社交网络的动态群体间信任度估算方法，以克服现有技术所存在的问题，便成为目前业界急待克服的课题。

发明内容

鉴于上述现有技术的缺点，本发明的目的在于提供一种基于社交网络的动态群体间信任度估算方法，以克服现有技术中还不能对社交网络中动态群体之间的信任关系进行合理、有效地描述与度量的问题。

为达到上述目的，本发明所提供的基于社交网络的动态群体间信任度估算方法，应用于由服务端及客户端构建的社交网络系统中，用以估算至少两个动态群体之间的信任度，所述方法包括以下步骤：1)定义该社交网络系统中的一动态群体为第一动态群体，定义该第一动态群体内的各节点为第一节点，定义该社交网络系统中的另一动态群体为第二动态群体，定义该第二动态群体内的各节点为第二节点；2)撷取一第一节点，计算该第一节点在该第一动态群体中的可信度，并依据该可信度通过迭代算法估算该第一动态群体内的各该第一节点可信度；3)撷取一第二节点，依据该第二节点与各该第一节点的直接交互数量和各该第一节点可信度估算该第二节点与该第一动态群体的直接信任度；4)依据各该第一节点与各该第二节点的直接交互数量和上述节点在其所属的动态群体内的可信度估算该第一动态群体与该第二动态群体之间的直接信任度；5)依据各该第一节点与各该第二节点的间接交互数量和上述节点在其所属的动态群体内的可信度估算该第一动态群体与该第二动态群体之间的间接信任度；以及6)依据该第一动态群体与该第二动态群体之间的直接信任度和间接信任度估算出该第一动态群体与该第二动态群体之间的总信任度。

以下结合上述技术方案，说明本发明的有益技术效果。相比于现有技术，本发明主要是通过将动态群体作为社交网络中交互的基本单位，对群体间的信任关系进行描述与度量，通过分析节点在群体中被其它节点所信任程度的不同，提出节点在群体中的可信度这一思想，并对其进行了度量及计算，本发明将社交网络中复杂的一对多、多对一、多对多之间的信任关系转化为一对一之间的信任关系，进而实现了群体之间总体信任度的度量及计算。

附图说明

图1为本发明方法的动态群体间信任度估算方法流程示意图。

【主要元件符号说明】

S10～S15步骤

具体实施方式

以下通过特定的具体实例说明本发明的实施方式，所属领域的普通技术人员可由本说明书所揭示的内容轻易地了解本发明的其他优点与功效。本发明亦可通过其他不同的具体实例加以施行或应用，本说明书中的各项细节亦可基于不同观点与应用，在不背离本发明的精神下进行各种修饰与变更。

请参阅图1，显示为本发明方法的动态群体间信任度估算方法流程示意图。本发明的基于社交网络的动态群体间信任度估算方法，应用于由服务端及客户端构建的社交网络系统中，用以估算至少两个动态群体之间的信任度，以下即详细说明本发明动态群体间信任度估算方法的具体操作步骤：

如图1所示，首先执行步骤S10，定义该社交网络系统中的一动态群体为第一动态群体，定义该第一动态群体内的各节点为第一节点，定义该社交网络系统中的另一动态群体为第二动态群体，定义该第二动态群体内的各节点为第二节点；接着，进行步骤S11。

在步骤S11中，撷取一第一节点，计算该第一节点在该第一动态群体中的可信度，并依据该可信度通过迭代算法估算该第一动态群体内的各该第一节点可信度；在本实施方式中，通过迭代算法估算该第一动态群体内的各该第一节点可信度包括以下步骤：

第一步，在第一动态群体中，初始化s(i，R)为一个[0，1]之间的值，其中，R表示为第一动态群体，i表示为该第一动态群体R中的一个第一节点，s(i，R)表示为该第一节点在该第一动态群体的信任度；

第二步，根据以下公式计算

$\stackrel{\‾}{s(i,R)}=\frac{1}{\underset{\underset{j\≠i}{j\∈V\left(R\right)}}{\mathrm{\Σ}}s(j,R)}\underset{\underset{j\≠i}{j\∈V\left(R\right)}}{\mathrm{\Σ}}(s(j,R)\×e_{\mathrm{ji}})$

其中，j表示为该第一动态群体内的另一第一节点；

第三步，判断

的值是否小于Δ，即判断连续两次求出的结果是否相近，符号Δ表示为求解的精度误差，若否，则

令

返回上一步骤，若是，则进至下一步骤；

最后，得出S＝{s(i，R)|i∈V(R)}，其中，S即为该第一动态群体内的各该第一节点可信度。

需要说明地是，考虑社交网络中群体的动态性，当有节点加入或离开群体时，群体内所剩节点在群体中的可信度也会随之而发生变化，下面揭露的算法可以方便地对这些变化进行更新。

即，当节点加入一个已存在的群体时各节点在群体中可信度的更新算法为：将新加入的节点在该群体中的可信度赋一个[0，1]之间的初值，其余节点在群体中的可信度仍为那些节点加入前的值，然后从上一迭代算法的第二步开始执行，执行结束，上一迭代算法中所得到的S＝{s(i，R)|i∈V(R)}即为所求结果。

又，当节点离开群体时剩余节点在群体中可信度的更新算法是令群体中剩余节点在群体中的可信度为节点离开前的值，然后从上一迭代算法的第二步开始执行，执行结束，上一迭代算法中所得到的S＝{s(i，R)|i∈V(R)}即为所求结果。

接着，进行步骤S12。

在步骤S12中，撷取一第二节点，依据该第二节点与各该第一节点的直接交互数量和各该第一节点可信度估算该第二节点与该第一动态群体的直接信任度；由于在计算第一动态群体对群体外第二节点的直接信任度时，第一动态群体中各该第一节点对第二节点的直接信任度将起到关键的作用。另外在第一动态群体中与第二节点有过直接交互的该第一节点的数量以及该第一节点在第一动态群体中的可信度高低也将会对该直接信任度值产生影响。在本实施方式中，估算该第二节点与该第一动态群体的直接信任度的方法是第一节点对该第二节点直接信任度值的加权平均乘上该第一动态群体对该第二节点的信任因子，所述的该第一动态群体对该第二节点的信任因子表示为I，则其中，R表示为第一动态群体，k表示为第二节点。换言之，当第一动态群体R与该第二节点k有过直接交互的节点数量越多以及这些节点在第一动态群体R中的可信度越高时，第一动态群体R对第二节点k的信任因子就越大。

接着，进行步骤S13。

在步骤S13中，依据各该第一节点与各该第二节点的直接交互数量和上述节点在其所属的动态群体内的可信度估算该第一动态群体与该第二动态群体之间的直接信任度；在计算第一动态群体对第二动态群体的直接信任度时，若第一动态群体中的一个第一节点与第二动态群体中的一个第二节点有过直接交互，则称这对节点为第一动态群体对第二动态群体中有过直接交互的一对节点。若第一动态群体对第二动态群体中有过直接交互的节点对数越多，并且这些节点在各自群体中可信度越高，则第一动态群体对第二动态群体的直接信任度应当越高。另外，由于社交网络中每个节点可以属于多个群体，所以在第一动态群体、第二动态群体中可能会出现一些相同的节点，即两个群体相交。两个群体相交的节点数量越多，这两个群体的关系就越紧密，信任关系也应当越好。在本实施方式中，估算该第一动态群体与该第二动态群体之间的直接信任度的方法是第一动态群体与该第二动态群体中有过直接交互的节点对之间直接信任度的加权平均乘上第一动态群体对该第二动态群体的信任因子。所述第一动态群体对该第二动态群体的信任因子表示为I，则

其中，R₁表示为第一动态群体，R₂表示为第二动态群体。也就是说，当第一动态群体R₁与第二动态群体R₂有过直接交互的节点对数量越多，且这些节点对在各自群体中的可信度越高时，第一动态群体R₁对第二动态群体R₂的信任因子就越大。

接着，进行步骤S14。

在步骤S14中，依据各该第一节点与各该第二节点的间接交互数量和上述节点在其所属的动态群体内的可信度估算该第一动态群体与该第二动态群体之间的间接信任度；接着，进行步骤S15。

在步骤S15中，依据该第一动态群体与该第二动态群体之间的直接信任度和间接信任度估算出该第一动态群体与该第二动态群体之间的总信任度。

综上所述，在社交网络中一个群体对另外一个群体的可信程度用总体信任度来表示。在计算两群体间的总体信任度时，首先将这两个群体都看成一个大的群体节点，然后计算这两个大的群体节点之间的总体信任度。总体信任度的值是由直接信任度与间接信任度综合计算得到的，而直接信任度则表现为两群体节点之间的直接信任度，间接信任度则是由一个群体节点通过其它节点到达另一个群体节点的多条信任路径综合计算得到的。因此在将一个群体综合为一个大的群体节点后，需要计算出该群体节点与群体外节点(包括另一个群体节点)的直接信任关系。

本发明主要是通过将动态群体作为社交网络中交互的基本单位，对群体间的信任关系进行描述与度量，通过分析节点在群体中被其它节点所信任程度的不同，提出节点在群体中的可信度这一思想，并对其进行了度量及计算，本发明将社交网络中复杂的一对多、多对一、多对多之间的信任关系转化为一对一之间的信任关系，进而实现了群体之间总体信任度的度量及计算。所以，与现有技术相比，本发明有效克服了现有技术中的种种缺点而具高度产业利用价值。

上述实施例仅例示性说明本发明的原理及其功效，而非用于限制本发明。任何所属技术领域的普通技术人员均可在不违背本发明的精神及范畴下，对上述实施例进行修饰与改变。因此，本发明的权利保护范围，应如所附的权利要求书的范围所列。

Claims (6)

1.一种基于社交网络的动态群体间信任度估算方法，应用于由服务端及客户端构建的社交网络系统中，用以估算至少两个动态群体之间的信任度，其特征在于，所述方法包括以下步骤：

1)定义该社交网络系统中的一动态群体为第一动态群体，定义该第一动态群体内的各节点为第一节点，定义该社交网络系统中的另一动态群体为第二动态群体，定义该第二动态群体内的各节点为第二节点；

2)撷取一第一节点，计算该第一节点在该第一动态群体中的可信度，并依据该可信度通过迭代算法估算该第一动态群体内的各该第一节点可信度；

3)撷取一第二节点，依据该第二节点与各该第一节点的直接交互数量和各该第一节点可信度估算该第二节点与该第一动态群体的直接信任度；

4)依据各该第一节点与各该第二节点的直接交互数量和上述节点在其所属的动态群体内的可信度估算该第一动态群体与该第二动态群体之间的直接信任度；

5)依据各该第一节点与各该第二节点的间接交互数量和上述节点在其所属的动态群体内的可信度估算该第一动态群体与该第二动态群体之间的间接信任度；以及

6)依据该第一动态群体与该第二动态群体之间的直接信任度和间接信任度估算出该第一动态群体与该第二动态群体之间的总信任度。

2.根据权利要求1所述的基于社交网络的动态群体间信任度估算方法，其特征在于，所述步骤2)中通过迭代算法估算该第一动态群体内的各该第一节点可信度包括以下步骤：

2-1)

初始化s(i，R)为一个[0，1]之间的值，其中，R表示为第一动态群体，i表示为该第一动态群体R中的一个第一节点，s(i，R)表示为该第一节点在该第一动态群体的信任度；

2-2)根据以下公式计算

$\stackrel{\‾}{s(i,R)}=\frac{1}{\underset{\underset{j\≠i}{j\∈V\left(R\right)}}{\mathrm{\Σ}}s(j,R)}\underset{\underset{j\≠i}{j\∈V\left(R\right)}}{\mathrm{\Σ}}(s(j,R)\×e_{\mathrm{ji}})$

其中，j表示为该第一动态群体内的另一第一节点；

2-3)判断

的值是否小于Δ，Δ为求解的精度误差，若否，则

令

返回步骤2-2)，

若是，则进至下一步骤；以及

2-4)得出S＝{s(i，R)|i∈V(R)}，其中，S即为该第一动态群体内的各该第一节点可信度。

3.根据权利要求1所述的基于社交网络的动态群体间信任度估算方法，其特征在于，所述步骤3)中估算该第二节点与该第一动态群体的直接信任度的方法是第一节点对该第二节点直接信任度值的加权平均乘上该第一动态群体对该第二节点的信任因子。

4.根据权利要求3所述的基于社交网络的动态群体间信任度估算方法，其特征在于，该第一动态群体对该第二节点的信任因子表示为I，则

其中，R表示为第一动态群体，k表示为第二节点。

5.根据权利要求1所述的基于社交网络的动态群体间信任度估算方法，其特征在于，所述步骤4)中估算该第一动态群体与该第二动态群体之间的直接信任度的方法是第一动态群体与该第二动态群体中有过直接交互的节点对之间直接信任度的加权平均乘上第一动态群体对该第二动态群体的信任因子。

6.根据权利要求5所述的基于社交网络的动态群体间信任度估算方法，其特征在于，所述第一动态群体对该第二动态群体的信任因子表示为I，则

其中，R₁表示为第一动态群体，R₂表示为第二动态群体。