引 言
信任一般被定義為個體基于自身的相似性的信任歷史經驗對其他個體 未來行為的主觀預期 [1]。如今信任在很多方面扮演著重要角 色，度量比如，基于結構內容提供商會為用戶處理過量信息，網絡只提供其感 興趣的相似性的信任內容 ；在線網絡服務商提醒用戶避免誤點不安全的鏈 接 ；在電子商務平臺上的商品推薦板塊等都能看到關于信任 的應用場景 [2,3]。在信任網絡中，度量為了衡量節點間的基于結構信任強度， 往往還要利用其他手段來計算節點之間的網絡信任值。Li Ding[4] 認為僅僅知道“個體 A 在領域 X 信任個體 B”無法充分反映 個體之間信任的相似性的信任意義，于是將信任分為兩大類，即參考信任和 相關信任。劉凱認為在社交網絡中，用戶的交互行為和時間衰 減也是影響信任的因素，以此提出了基于兩者加權的信任模型 RBtrust[5]。本文利用信任網絡中用戶節點的結構相似性來構建 信任度量模型。
1 結構相似性
本文的一些相關概念定義如下：
施信者：在信任關系中，是施加信任關系的用戶節點 ；
受信者：在信任關系中，是被施加信任的用戶節點 ；
In-Neighbor（i）：節點 i 擁有的施信者節點集 ；
Out-Neighbor（i）：節點 i 擁有的受信者節點集 ；
Tijin ：節點 i 與節點 j 擁有相似施信者形成的信任度 ；
Tijout ：節點 i 與節點 j 擁有相似受信者形成的信任度 ；
Tijz（in）：標準化后的 Tijin ；
Tijz（out）：標準化后的 Tij
out ； Tij ：節點 i 與節點 j 的加權信任度。
2 信任度量
文獻 [3] 研究了用戶評分的相似性與信任強度關系，提出 了基于評分相似性的信任模型。本文關注網絡結構的相似性， 并從兩方面構建了基于結構相似性的信任模型。在信任網絡中， 利用 Jaccard 系數定義了 Tijin 和 Tijout ：
3 實驗結果
3.1 數據集
本文利用 FilmTrust 數據集 [6] 對之前提出的方法進行驗 證。該數據集采集自網站 FilmTrust，該網站是電影評論網站， 允許用戶對電影進行評論打分以及對他人的評論進行打分。該 FilmTrust 數據集中有 874 個用戶，1 853 條信任關系鏈。
3.2 模型評估
本部分用于驗證以上提出的信任度量模型在網絡中的表 現情況。由于用戶間的關系有兩種，包括直接信任關系和非直 接信任關系，我們通過考察這兩種信任關系，決定利用該信 任度量模型計算得到的信任度。計算該施信者與其所有受信 者之間的信任度 Tij 取平均值，用 ts 表示，然后在網絡中刪除該施信者的所有受信者，并在刪除后的網絡中隨機選取相同個 數的節點，計算該施信者與這些節點之間的信任度 Tij，取平均， 用 rs 表示。最后用兩個向量 st 和 sr 分別表示網絡中所有施信 者在直接信任關系和非直接信任關系下的信任值，其中，向量 st 中的元素為每個施信者的 ts 值，向量 sr 中的元素為每個施 信者的 rs 值，將 st 和 sr 進行分布檢驗，不同權重值 α下 st 和 sr 的均值以及 k-s 檢驗結果見表 1 所列。由表中 p 值可知 k-s 檢驗不滿足 H0 假設，說明用戶之間擁有直接信任關系比非直 接信任關系有更高的網絡相似性。
4 結 語
本文從網絡結構相似性的視角提出了基于網絡結構相似 性的信任度量模型，該模型可以很好地度量節點間的信任值， 有利于后續信任傳播的研究。
