可信群体识别在个性化社交网络中的研究

1994年，March首次将社会学范畴的信任概念引入到计算机领域，并以多Agent系统为目标，用形式化的符号定义了信任的基本属性和特征，并给出了基于线性方法的信任度量模型，为后来计算机领域的信任研究奠定了基础[140]。此后，计算机领域的信任研究便蓬勃发展，得到了众多研究人员的参与和支持。

当前的面向个体的信任管理研究主要集中在P2P文件共享、C2C电子商务、B2C电子商务等领域，大致可以分为以下三个方向。

1.根据用户的交易特性和历史行为，对用户未来行为的可信程度进行预测。Shengsheng xiao等人（2015）[87]针对现有的信任研究方法无法适用于O2O电子商务领域的问题，提出了一种基于隐马尔可夫概率模型的O2O声誉管理系统，该模型融合商家的线上声誉数据和线下声誉数据，能够为用户预测商家未来的声誉状态，是将信任管理引入O2O商务领域的开创性研究，但在进行商家的声誉预测时，对来自用户的交易数据、线下商家的运营数据及第三方的监管数据并没有进行区分，而是分配了统一的权重，因此，会造成对商家声誉预测的误差。Zolfaghar K等人（2012）[141]采用了机器学习方法来对社交网络中的用户信任关系进行预测，为了克服数据稀疏问题，论文采用用户的历史行为数据、交易上下文数据及直接信任数据来推测用户间未知的信任关系。王英等人（2014）[76]利用社会学理论来解释社会网络中的用户关系，通过社会等级理论和同质性理论来获取用户间信任关系的交互规律，从而建立用户的信任关系预测模型，实验表明，该方法具有较高的信任关系预测精度。张维玉等人（2016）[78]针对社交评价网络中的信任评分和信任关系数据稀疏的问题，提出了基于协同矩阵分解的信任评分和信任预测联合模型，该模型在对评分矩阵和信任关系矩阵进行分解时，可以保证它们共享用户潜在特征变量，同时又能够获得本领域知识相关性的表达。

2.根据用户交易的上下文环境和历史行为，对用户的可信程度进行计算。甘早斌等人（2015）[49]以时间敏感性、不对称性、传递性、可选择性为基础，提出了一种基于信任网络的C2C电子商务信任计算模型，该模型通过买家的直接交易经验来计算买家对卖家的直接信任度，然后通过买家的信任网络来计算其朋友对卖家的推荐信任度，最后通过信任调节因子来综合生成买家对卖家的信任度。Liming Jiang等人（2012）在文献[75]中提出了一种针对开放式分布式系统的证据信任模型，该模型通过引入时间衰减因子，多层证据推理及改进的冲突证据融合方法，设计了一个新的D-S证据理论，能够有效地进行动态信任关联和信任评价收敛，并可以对抗恶意的攻击行为，但该模型在计算BPA函数时，并没有对成功交易次数和不成功交易次数的权重进行区分，从而导致BPA函数的计算存在误差。Gianluca Lax等人（2008）[62]针对无线交易环境中C2C电子商务容易发生欺诈的问题，设计了一个C2C声誉模型，该模型考虑了用户的交易历史、交易价格、交易次数、交易评价等内容，能有效抵抗共谋、小额欺诈、诋毁等攻击行为，但该模型对交易中断的原因没有进一步分析，如果由软件或硬件原因导致交易中断的用户声誉计算将会产生较大的误差。

3.根据社交网络的拓扑结构，对用户的信任网络进行构建和信任传递进行分析。甘早斌等（2012）[82]结合社会关系网络的认知理论和方法，分析了电子商务中信任关系的本质特征，提出了一种可对电子商务信任网络进行形式化的模型。该模型建立了一套信任网络优化算法，可以将信任网络进行化简，让信任传递更加精确有效，并能有效降低信任网络构建的复杂性。JØsang A等人（2008）[83]将用户的信任网络视为一个完整的有向连通图，提出了一套基于主观逻辑的计算模型来表达信任网络中的信任关系和信任传递，并对用户的信任网络进行化简，最终构建出能够有效表达用户间信任值的信任网络。徐军等人（2015）[142]针对社会网络中间接连接实体间的信任难以定量表示的问题，引入直觉模糊理论，利用信任分量、不信任分量和犹豫度分量来表示实体间的信任度，提出了一种基于直觉模糊理论的多维信任传递模型，该模型综合考虑信任路径的长度和信任质量对信任传播的影响，给出了较为准确的社交网络中的信任传播计算方法。(www.xing528.com)

目前在可信群体识别方面的研究相对较少。云计算领域常常采用基于声誉的少数服从多数原则来检测云系统中存在的恶意用户，Junbeom HUR等人（2016）[81]分析了这一方法的缺点，即当发生大面积恶意入侵时，该方法将失效。因此，Junbeom HUR等人对该方法进行改进，发现当用户群体与其他群体存在显著声誉差异时，该群体通常为可信群体，进一步，即使可信用户处于混合群体当中，也可以通过比较混合群体中每个用户的投票结果来识别出可信用户。Al-Oufi S等人（2012）[80]则针对在线社交网络领域，提出了面向在线社交网络可信群体识别的Samah模型。该模型以用户的社会关系强度为基础，根据源用户的个人信任网络进行信任容量回归，并采用网络最大流方法进行信任流量的传递，以识别出源用户社交网络中的可信群体。

综上所述，当前面向个体的信任管理研究主要是针对P2P文件共享、C2C电子商务、B2C电子商务等领域，这些领域面对的通常是文件和商品等客观对象，因此大多采用全局信任值的计算方式。而O2O服务通常由人提供，如餐饮、洗衣、租车等，服务质量常常是不稳定的，且用户在面对O2O服务时的个人偏好差异很大且更加主观。

可信群体识别研究则主要面向云计算和在线社交网络领域，且未考虑到用户的个人社交圈子、服务偏好及个人兴趣等特征，无法适用于面向O2O服务的个性化社交网络。因此，有必要以面向O2O服务的移动社交网络为研究对象，建立面向O2O服务的用户个性化信任网络，有效识别出用户个人社交网络中的可信群体，并将结果进行排序反馈给用户，能够帮助用户正确地选择咨询群体及求助对象，大大减轻用户面对O2O服务选择时的难度。