个性化信任网络的构建方法

用户的社交网络关系范围通常很广，如在图3-4中，用户之间存在朋友、亲戚、邻居、同事、同学等社会关系。这些关系看似对称，但对于每个用户来讲，却是意义不同的。如用户A、E是亲戚关系，那么E、A必然也是亲戚关系，但关系却常常不对称，比如A是E的父亲，E是A的儿子，那么双方的信任关系是不一样的。

图3-4　一个简单的社交信任网络示例

但在很多情况下，用户往往不愿对信任关系进行标注，如在QQ好友中，很多用户并不会对好友进行分类，用户之间的信任信息难以获得。为了识别出用户的可信群体，我们需要对用户的个人社交网络进行重构，对网络中每个用户的信任值进行区分。因此，需要根据前述的对Mark Granovetter的社会网络理论的分析，考虑用户间距离因素、相似度因素及互动程度等方面的内容，以更加准确地表达用户间的信任强度。信任强度的计算公式如公式3-4所示。

其中，Wi，j是连接节点i和j信任边的权重，表示i对j的信任强度。interi，j表示i和j的互动次数，表示i与其他节点的最大互动次数。Simi，j表示i对j的相似程度。在社交网络中，有些用户虽然互动次数不多，但信任程度却很高，比如亲戚关系和师生关系，因此，我们需要对相似度因素进行考量。Simi，j采用公式3-5进行计算。(www.xing528.com)

其中，为节点i与j基于Jaccard系数的相似度，为i与j的兴趣相似度，采用Pearson相关系数进行计算。其计算方式分别如公式3-6、3-7所示。

公式3-6为节点i与j的Jaccard相似度，其反映的是i与j的社交圈子相似程度。而根据文献[144]的研究分析，用户间的社交圈子重合程度越高，其相互信任程度越强。

其中，ri，k为节点i对服务k的评价，为节点i对所有服务的评价均值，rj，k为节点j对服务k的评价，为节点i对所有服务的评价均值，sj，k为i和j所评价过的服务交集。，值越大，i和j的相似程度越高。