基于通信數(shù)據(jù)上下文的用戶(hù)信任度預(yù)測(cè)

張小可

基于通信數(shù)據(jù)上下文的用戶(hù)信任度預(yù)測(cè)

張小可

（廣州杰賽科技股份有限公司，廣東 廣州 510310）

為了解決社交網(wǎng)絡(luò)信任度不全面的問(wèn)題，通過(guò)采用通信數(shù)據(jù)上下文的用戶(hù)信任度預(yù)測(cè)方法，分析了移動(dòng)用戶(hù)之間的熟悉信任度以及相似信任度，并結(jié)合時(shí)間衰減因子，提出了基于時(shí)間相關(guān)性的用戶(hù)信任度預(yù)測(cè)方案。實(shí)驗(yàn)證明，考慮時(shí)間衰減因子和上下文的通信用戶(hù)信任度預(yù)測(cè)方法能夠在一定程度上提升用戶(hù)之間的信任度預(yù)測(cè)，并具有一定的擴(kuò)展性。

社交網(wǎng)絡(luò) 信任度 上下文 時(shí)間衰減因子

1 引言

隨著移動(dòng)通信技術(shù)的發(fā)展和移動(dòng)互聯(lián)網(wǎng)應(yīng)用的廣泛普及，國(guó)內(nèi)外有越來(lái)越多的基于社交網(wǎng)絡(luò)和位置融合的移動(dòng)應(yīng)用應(yīng)運(yùn)而生。因此，很多研究學(xué)者利用用戶(hù)在使用移動(dòng)應(yīng)用業(yè)務(wù)時(shí)產(chǎn)生的各類(lèi)交互通信信息（包含用戶(hù)交互信息以及用戶(hù)在特定時(shí)間、特定地點(diǎn)的興趣信息）來(lái)研究移動(dòng)通信用戶(hù)之間的信任度，以熟人推薦來(lái)促進(jìn)大量的消費(fèi)行為。例如，張豐[1]結(jié)合P2P網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)和社交網(wǎng)絡(luò)自身的關(guān)系，提出基于社交網(wǎng)絡(luò)關(guān)系模型的靜態(tài)信任模型以及基于反饋的動(dòng)態(tài)信任模型；喬秀全等[2]基于社交網(wǎng)絡(luò)服務(wù)中用戶(hù)上下文信息，將信任度分為熟悉信任度和相似信任度；史艷翠[3]根據(jù)通信用戶(hù)數(shù)據(jù)的上下文信息計(jì)算用戶(hù)直接信任度，利用用戶(hù)社交網(wǎng)絡(luò)的傳播距離來(lái)計(jì)算用戶(hù)的間接距離；雷環(huán)等[4]通過(guò)用戶(hù)之間的熟悉性和相似性來(lái)計(jì)算用戶(hù)之間的信任度。這些研究既有針對(duì)社交網(wǎng)絡(luò)，也有針對(duì)移動(dòng)通信行為提出的信任度預(yù)測(cè)模型。本文通過(guò)借鑒上述研究成果，結(jié)合當(dāng)前移動(dòng)社交網(wǎng)絡(luò)和移動(dòng)通信行為的具體情況，提出基于上下文的移動(dòng)用戶(hù)行為的信任度預(yù)測(cè)模型。

2 信任度的研究

2.1 問(wèn)題定義

信任度是社會(huì)心理學(xué)的一個(gè)關(guān)鍵性問(wèn)題。用戶(hù)之間的信任度產(chǎn)生的機(jī)制大概分為[2]：

（1）通過(guò)其過(guò)去的行為以及聲譽(yù)的了解給予了一定的信任，這種一般是通過(guò)對(duì)他人進(jìn)行交互通信而產(chǎn)生的熟悉信任度；

（2）由于社會(huì)或者興趣的相似性程度而產(chǎn)生的信任度；

（3）由法制產(chǎn)生的信任度。

當(dāng)前對(duì)信任度的描述往往是基于人際關(guān)系形成的社交網(wǎng)絡(luò)產(chǎn)生的人與人之間的心理信任。本文借鑒社會(huì)心理學(xué)的原理，提出基于上下文的通信用戶(hù)行為信任度模型，該信任度分為熟悉信任度和相似信任度。其中，熟悉信任度源于移動(dòng)用戶(hù)的交互行為產(chǎn)生用戶(hù)關(guān)系以及熟悉性程度的信任度；相似信任度源于移動(dòng)用戶(hù)使用移動(dòng)業(yè)務(wù)相似性程度的信任度。

首先采用分析用戶(hù)的交互（通話(huà)和移動(dòng)社交業(yè)務(wù)）行為來(lái)獲取用戶(hù)的關(guān)系和關(guān)系深度（用戶(hù)之間聯(lián)系的頻率、時(shí)長(zhǎng)、時(shí)間間隔），進(jìn)而根據(jù)用戶(hù)關(guān)系計(jì)算用戶(hù)的熟悉信任度；然后分析用戶(hù)自身使用移動(dòng)業(yè)務(wù)行為（包括使用移動(dòng)業(yè)務(wù)的時(shí)長(zhǎng)、次數(shù)），根據(jù)用戶(hù)使用移動(dòng)業(yè)務(wù)行為的相似性來(lái)計(jì)算用戶(hù)的相似信任度；最后結(jié)合時(shí)間衰減因子來(lái)修正用戶(hù)熟悉信任度和相似信任度，利用時(shí)間相關(guān)性提高信任度預(yù)測(cè)的準(zhǔn)確性。

2.2 信任度預(yù)測(cè)方法

（1）社會(huì)相似度預(yù)測(cè)方法

用戶(hù)之間共同朋友數(shù)越多，其社交、興趣、偏好就越相似，因此共同朋友的數(shù)量也是衡量用戶(hù)之間的信任程度。設(shè)任意兩個(gè)直接相連的移動(dòng)用戶(hù)節(jié)點(diǎn)u和v具有共同朋友，節(jié)點(diǎn)u的朋友集合為F(u)，節(jié)點(diǎn)v的朋友集合為F(v)，則u和v的共同朋友為F(u)與F(v)的交集。

（2）基于關(guān)系強(qiáng)度的預(yù)測(cè)方法

用戶(hù)之間的移動(dòng)社交網(wǎng)絡(luò)關(guān)系網(wǎng)其實(shí)就是真實(shí)社交網(wǎng)絡(luò)的鏡像，因此不少研究學(xué)者提出通過(guò)用戶(hù)交往次數(shù)和見(jiàn)面次數(shù)來(lái)衡量用戶(hù)的信任程度，其中有選取用戶(hù)的交往頻率等關(guān)系強(qiáng)度的因素來(lái)計(jì)算用戶(hù)之間的信任度。

用戶(hù)之間的信任度可以用交往指數(shù)來(lái)衡量，公式如下：

F=a1×交往頻率+a2×通話(huà)次數(shù)+a3×通話(huà)時(shí)長(zhǎng)(2)其中，交往頻率=(雙方通話(huà)天數(shù)+通話(huà)的周數(shù)量)/30；a1、a2、a3（三個(gè)系數(shù)之和為1）分別為權(quán)重系數(shù)，用戶(hù)可根據(jù)衡量的側(cè)重點(diǎn)設(shè)定。

（3）基于興趣相似度的預(yù)測(cè)方法

基于興趣相似度預(yù)測(cè)信任度是基于一種假設(shè)：如果用戶(hù)的興趣偏好相似，那么相似偏好用戶(hù)之間的信任度一般會(huì)比非相似偏好用戶(hù)之間的信任度高。設(shè)用戶(hù)u和用戶(hù)v共同感興趣的移動(dòng)應(yīng)用集合為Iu,v，Ru,c表示某個(gè)時(shí)段用戶(hù)u對(duì)移動(dòng)應(yīng)用c的偏好程度（一般可以用使用次數(shù)、使用頻率、使用時(shí)長(zhǎng)來(lái)衡量），Rv,c表示用戶(hù)v對(duì)移動(dòng)應(yīng)用c的偏好程度，Ru表示某個(gè)時(shí)段用戶(hù)u對(duì)移動(dòng)應(yīng)用集合的平均偏好程度，Rv表示某個(gè)時(shí)段用戶(hù)v對(duì)移動(dòng)應(yīng)用集合的平均偏好程度，則用戶(hù)u和用戶(hù)v的興趣相似度為：

（4）基于用戶(hù)上下文的通信用戶(hù)行為信任度預(yù)測(cè)

綜合目前的研究成果，本文結(jié)合通話(huà)行為本身的屬性，提出基于用戶(hù)上下文的通信用戶(hù)行為信任度預(yù)測(cè)模型。該模型除了需要衡量用戶(hù)之間聯(lián)系的相處時(shí)長(zhǎng)、頻率、通話(huà)時(shí)長(zhǎng)、時(shí)間間隔外，還要分析用戶(hù)使用移動(dòng)業(yè)務(wù)行為（包括使用移動(dòng)業(yè)務(wù)的頻率、次數(shù)、時(shí)間間隔），根據(jù)用戶(hù)使用移動(dòng)業(yè)務(wù)行為的相似性，計(jì)算用戶(hù)的相似信任度。

◆用戶(hù)熟悉信任度預(yù)測(cè)

假設(shè)用戶(hù)u和用戶(hù)v是有通信行為交互的兩個(gè)用戶(hù)，用戶(hù)u在特定時(shí)間段內(nèi)的軌跡可以表示為：＜t1, l1＞,＜t2, l2＞, …, ＜tn, ln＞。其中，n表示發(fā)生語(yǔ)音業(yè)務(wù)或者數(shù)據(jù)業(yè)務(wù)的次數(shù)；t表示時(shí)間戳；l表示基站ID。那么，用戶(hù)u的區(qū)域分布為：

其中，r的集合為關(guān)注的基站Loc，當(dāng)用戶(hù)u的第i次軌跡點(diǎn)與集合中的某個(gè)值匹配時(shí)，δ(r, li(u))=1，否則為0。

參考地理和時(shí)間的重合度概念，以△T為時(shí)間精度（一般設(shè)為1個(gè)小時(shí)），反映用戶(hù)u與其他用戶(hù)在鄰近時(shí)間相同地理位置的比例。

此外，還需要考慮工作時(shí)間與非工作時(shí)間的影響因素，在工作時(shí)間段和非工作時(shí)間段權(quán)重分別設(shè)置不同的θ。

那么，用戶(hù)的相處時(shí)長(zhǎng)為：

其中，duration(u, v)表示在特定時(shí)間段內(nèi)用戶(hù)u和用戶(hù)v的相處時(shí)長(zhǎng)；△T表示時(shí)間精度；θ表示用戶(hù)u和用戶(hù)v通信時(shí)刻所屬時(shí)間段權(quán)重；n(u)表示用戶(hù)u的通信次數(shù)；n(v)表示用戶(hù)v的通信次數(shù)；Ti(u)表示用戶(hù)u第i次通信時(shí)刻；Tj(v)表示用戶(hù)v第j次通信時(shí)刻；Ti(u)-Tj(v)表示在特定時(shí)間段內(nèi)用戶(hù)u第i次通信時(shí)刻與用戶(hù)v第j次通信時(shí)刻的時(shí)間差；δ(li(u), lj(v))表示用戶(hù)u第i次通信基站ID和用戶(hù)v第j次通信基站ID是否相同，當(dāng)li(u)=lj(v)時(shí)則等于1，當(dāng)li(u)≠lj(v)時(shí)則等于0。

[5]的信任度計(jì)算方式，則用戶(hù)之間相處時(shí)長(zhǎng)的信任度為：

其中，D(u, v)表示在特定時(shí)間段內(nèi)用戶(hù)u和用戶(hù)v的相處時(shí)長(zhǎng)；D(u)表示在特定時(shí)間段內(nèi)用戶(hù)u與其通信的所有用戶(hù)的相處時(shí)長(zhǎng)。

同時(shí)考慮用戶(hù)通信時(shí)長(zhǎng)，采用任意兩個(gè)用戶(hù)在特定時(shí)間段內(nèi)每次通信時(shí)長(zhǎng)來(lái)衡量?jī)蓚€(gè)用戶(hù)的熟悉信任度。因此，任意兩個(gè)用戶(hù)的通信時(shí)長(zhǎng)熟悉信任度表達(dá)式為：

其中，TL(u, v)表示在特定時(shí)間段內(nèi)用戶(hù)u和用戶(hù)v通信時(shí)長(zhǎng)熟悉信任度；L(u, v)表示在特定時(shí)間段內(nèi)用戶(hù)u與用戶(hù)v每次通信時(shí)長(zhǎng)總和；L(u)表示在特定時(shí)間段內(nèi)用戶(hù)u與其通信的所有用戶(hù)的每次通信時(shí)長(zhǎng)總和。

用戶(hù)的熟悉信任度最后還需要考慮用戶(hù)的通信次數(shù)，則在特定時(shí)間段內(nèi)任意兩個(gè)用戶(hù)的通信次數(shù)熟悉信任度表達(dá)式為：

表示在特定時(shí)間段內(nèi)用戶(hù)u和用戶(hù)v之間通信次數(shù)熟悉信任度；Nuv表示在特定時(shí)間段內(nèi)用戶(hù)u向用戶(hù)v主動(dòng)發(fā)起通信的次數(shù)；Luv表示在特定時(shí)間段內(nèi)用戶(hù)u向用戶(hù)v主動(dòng)發(fā)起每次通信的通信時(shí)長(zhǎng)總和；Lvu表示在特定時(shí)間段內(nèi)用戶(hù)v向用戶(hù)u主動(dòng)發(fā)起每次通信的通信時(shí)長(zhǎng)總和。

◆用戶(hù)相似信任度預(yù)測(cè)

參考相似度協(xié)同過(guò)濾算法，通過(guò)提取用戶(hù)使用同一種移動(dòng)業(yè)務(wù)的時(shí)長(zhǎng)和間隔，設(shè)用戶(hù)u和用戶(hù)v共同感興趣的移動(dòng)應(yīng)用集合為Iu,v，則具有相似性用戶(hù)使用移動(dòng)業(yè)務(wù)行為的時(shí)長(zhǎng)信任度計(jì)算公式為：

其中，SL(u, v)表示在特定時(shí)間段內(nèi)用戶(hù)u和用戶(hù)v使用同種通信業(yè)務(wù)的時(shí)長(zhǎng)信任度；Iu,v表示在特定時(shí)間段內(nèi)用戶(hù)使用的所有同種通信業(yè)務(wù)類(lèi)型的集合；RL,u,c表示在特定時(shí)間段內(nèi)用戶(hù)u使用通信業(yè)務(wù)類(lèi)型c的總時(shí)長(zhǎng)；RL,u表示在特定時(shí)間段內(nèi)用戶(hù)u使用Iu,v中所有通信業(yè)務(wù)類(lèi)型的平均時(shí)長(zhǎng)；RL,v,c表示在特定時(shí)間段內(nèi)用戶(hù)v使用通信業(yè)務(wù)類(lèi)型c的總時(shí)長(zhǎng)；RL,v表示在特定時(shí)間段內(nèi)用戶(hù)v使用Iu,v中所有通信業(yè)務(wù)類(lèi)型的平均時(shí)長(zhǎng)。

同理，具有相似性用戶(hù)使用移動(dòng)業(yè)務(wù)行為的次數(shù)信任度計(jì)算公式為：

其中，RN,u,c表示在特定時(shí)間段內(nèi)用戶(hù)u使用通信業(yè)務(wù)類(lèi)型c的次數(shù)；RN,v,c表示在特定時(shí)間段內(nèi)用戶(hù)v使用通信業(yè)務(wù)類(lèi)型c的總次數(shù)；RN,u表示在特定時(shí)間段內(nèi)用戶(hù)u使用Iu,v中所有通信業(yè)務(wù)類(lèi)型的平均次數(shù)；RN,v表示在特定時(shí)間段內(nèi)用戶(hù)v使用Iu,v中所有通信業(yè)務(wù)類(lèi)型的平均次數(shù)。

2.3 引入時(shí)間衰減因子修正用戶(hù)信任度

移動(dòng)用戶(hù)總是關(guān)注當(dāng)前較近時(shí)間段內(nèi)的交互以及近期的移動(dòng)應(yīng)用使用偏好，用戶(hù)之間的近期交互行為以及偏好的相似性等更能反映用戶(hù)之間的信任程度。隨著用戶(hù)交互的推進(jìn)，越早的交互行為對(duì)當(dāng)前的信任值計(jì)算影響越小，因此在計(jì)算信任值時(shí)需要對(duì)其進(jìn)行更多的折扣。本文通過(guò)用戶(hù)交互行為、移動(dòng)偏好使用的時(shí)間間隔來(lái)描述時(shí)間衰減因子。假如用戶(hù)u和用戶(hù)v在進(jìn)行第n次交互或者使用移動(dòng)應(yīng)用偏好，則第k次使用相關(guān)業(yè)務(wù)所產(chǎn)生的信任值的時(shí)間衰減因子為γn-k。γ的取值為0至1，表示信任值對(duì)當(dāng)前用戶(hù)之間的交互或者用戶(hù)偏好使用的重視程度，γ越接近1則表示越重視。因此，引入時(shí)間衰減因子后用戶(hù)之間的信任度為：

其中，n1表示在特定時(shí)間段內(nèi)用戶(hù)u和用戶(hù)v相處總次數(shù)；n2表示在特定時(shí)間段內(nèi)用戶(hù)u和用戶(hù)v通信總次數(shù)；n3表示在特定時(shí)間段內(nèi)用戶(hù)u和用戶(hù)v使用同種通信業(yè)務(wù)的總次數(shù)；k1表示用戶(hù)u和用戶(hù)v第k1次相處；k2表示用戶(hù)u和用戶(hù)v第k2次通信；k3表示用戶(hù)u和用戶(hù)v第k3次使用同種通信業(yè)務(wù)；TD(u, v)表示用戶(hù)u和用戶(hù)v相處信任度；TN(u, v)表示用戶(hù)u和用戶(hù)v通話(huà)次數(shù)信任度；TL(u, v)表示用戶(hù)u和用戶(hù)v通信時(shí)長(zhǎng)信任度；SL(u, v)表示用戶(hù)u和用戶(hù)v使用同種通信業(yè)務(wù)的時(shí)長(zhǎng)信任度；SN(u, v)表示用戶(hù)u和用戶(hù)v使用同種通信業(yè)務(wù)的次數(shù)信任度；γ表示時(shí)間衰減因子。并且a1+a2+a3=1， a1、a2、a3的取值一般需要根據(jù)真實(shí)數(shù)據(jù)情況并結(jié)合經(jīng)驗(yàn)進(jìn)行取值。

3 基于上下文的通信用戶(hù)行為的信任度預(yù)測(cè)的應(yīng)用

3.1 數(shù)據(jù)獲取

用戶(hù)在發(fā)生移動(dòng)業(yè)務(wù)的過(guò)程中，運(yùn)營(yíng)商會(huì)記錄用戶(hù)的各種信令信息，包括發(fā)生業(yè)務(wù)的用戶(hù)ID、開(kāi)始時(shí)間、結(jié)束時(shí)間、業(yè)務(wù)類(lèi)型、開(kāi)始站點(diǎn)、切換站點(diǎn)、結(jié)束站點(diǎn)、接收ID等。

本文提取某地市運(yùn)營(yíng)商20萬(wàn)用戶(hù)一個(gè)月的信令數(shù)據(jù)，并按照一定的規(guī)則把切換基站進(jìn)行預(yù)處理，形成滿(mǎn)足本文數(shù)據(jù)分析的表格。具體如表1所示：

表1 移動(dòng)用戶(hù)的業(yè)務(wù)詳單數(shù)據(jù)示例

由表1可知，如果用戶(hù)在通話(huà)過(guò)程中存在基站的切換（從基站20556切換到基站23221），那么基站23221既可作為切換時(shí)的結(jié)束站點(diǎn)，也可作為切換后的開(kāi)始站點(diǎn)。

3.2 結(jié)合用戶(hù)共同朋友剔除無(wú)效數(shù)據(jù)

結(jié)合用戶(hù)共同朋友來(lái)剔除無(wú)效數(shù)據(jù)，考慮到本文的重點(diǎn)是識(shí)別用戶(hù)之間的信任度，因此重點(diǎn)是預(yù)測(cè)用戶(hù)的關(guān)系。基于實(shí)際工作經(jīng)驗(yàn)，本文設(shè)置用戶(hù)的共同朋友數(shù)量為5，則最后得到滿(mǎn)足共同朋友的用戶(hù)數(shù)量為8702。

3.3 基于上下文的通信用戶(hù)行為的信任度預(yù)測(cè)的建立

通過(guò)剔除無(wú)效數(shù)據(jù)后按照日期分為兩部分，其中前15天作為訓(xùn)練集，后15天作為測(cè)試集。參考實(shí)驗(yàn)結(jié)果，設(shè)置a1為0.32、a2為0.28、a3為0.4，可保證訓(xùn)練集和測(cè)試集的準(zhǔn)確性，并避免模型的過(guò)擬合性。然后根據(jù)用戶(hù)的信任關(guān)系模型對(duì)訓(xùn)練集進(jìn)行打分，得到一系列用戶(hù)間的信任值，選擇信任值區(qū)間為[0.3, 0.55]，并以此為標(biāo)準(zhǔn)選取用戶(hù)信任關(guān)系的候選集合，再分別將考慮時(shí)間衰減因子的信任度和不考慮時(shí)間衰減因子的信任度進(jìn)行對(duì)比，最后與測(cè)試集比較，得到用戶(hù)信任度預(yù)測(cè)準(zhǔn)確率如圖1所示：

圖1 考慮時(shí)間衰減因子和不考慮時(shí)間衰減因子的用戶(hù)信任度預(yù)測(cè)準(zhǔn)確率對(duì)比

由圖1可知，不考慮時(shí)間衰減因子的算法在用戶(hù)信任度預(yù)測(cè)準(zhǔn)確率方面要比考慮時(shí)間衰減因子低。因此，結(jié)合時(shí)間衰減因子的用戶(hù)信任度預(yù)測(cè)能夠在一定程度上提升用戶(hù)信任度預(yù)測(cè)的準(zhǔn)確率。

4 結(jié)束語(yǔ)

本文基于真實(shí)的上下文的移動(dòng)用戶(hù)行為，提出了用戶(hù)信任度預(yù)測(cè)的模型。首先基于用戶(hù)共同朋友的算法剔除無(wú)效數(shù)據(jù)，并結(jié)合用戶(hù)發(fā)生業(yè)務(wù)的上下文信息和時(shí)間衰減因子預(yù)測(cè)用戶(hù)信任度，該方法是先從用戶(hù)交互行為的角度來(lái)衡量用戶(hù)的熟悉信任度；然后結(jié)合移動(dòng)用戶(hù)的興趣偏好的角度來(lái)衡量用戶(hù)的相似信任度；最后結(jié)合時(shí)間衰減因子，采用時(shí)間的相關(guān)性來(lái)描述用戶(hù)在不同時(shí)間發(fā)生的業(yè)務(wù)行為對(duì)用戶(hù)信任度的不同程度的影響，從而能夠較好地預(yù)測(cè)用戶(hù)之間的信任度。實(shí)驗(yàn)證明，考慮時(shí)間衰減因子與不考慮時(shí)間衰減因子的基于上下文的通信用戶(hù)行為的信任度預(yù)測(cè)算法相比具有較高的準(zhǔn)確率。

參考文獻(xiàn)：

[1] 張豐. 社交網(wǎng)絡(luò)中信任度計(jì)算[D]. 南京: 南京航空航天大學(xué), 2014.

[2] 喬秀全,楊春,李曉峰,等. 社交網(wǎng)絡(luò)服務(wù)中一種基于用戶(hù)上下文的信任度計(jì)算方法[J]. 計(jì)算機(jī)學(xué)報(bào), 2011,34(12): 2403-2413.

[3] 史艷翠. 基于通信數(shù)據(jù)的上下文移動(dòng)用戶(hù)偏好動(dòng)態(tài)獲取方法研究[D]. 北京: 北京郵電大學(xué), 2013.

[4] 雷環(huán),彭艦. SNS中結(jié)合聲譽(yù)與主觀邏輯的信任網(wǎng)絡(luò)分析[J]. 計(jì)算機(jī)應(yīng)用研究, 2010,27(6): 2321-2323.

[5] Huang D, Arasan V. On Measuring Email-Based Social Network Trust[C]//Global Telecommunications Conference. Miami, 2010: 1-5.

[6] 肖志宇. 基于社交網(wǎng)絡(luò)和信任模型的推薦系統(tǒng)的研究與實(shí)現(xiàn)[D]. 南京: 東南大學(xué), 2015.

[7] 楊海月,朱玉婷,施化吉,等. 基于用戶(hù)信任度和社會(huì)相似度的協(xié)作過(guò)濾算法[J]. 電子技術(shù)應(yīng)用, 2016,42(1): 100-103.

[8] 李默,梁永全,趙建立. 融合相似性評(píng)價(jià)、信任度與社會(huì)網(wǎng)絡(luò)的學(xué)術(shù)資源推薦方法研究[J]. 情報(bào)理論與實(shí)踐, 2015,38(5): 77-81.

[9] 馬堯. 在線(xiàn)社會(huì)網(wǎng)絡(luò)的信任網(wǎng)絡(luò)發(fā)現(xiàn)與信任融合研究[D]. 武漢: 華中科技大學(xué), 2014.

[10] 祝幼菁. P2P網(wǎng)絡(luò)信任模型研究[D]. 武漢: 華中科技大學(xué), 2006.★

Prediction of User Trust Degree Based on the Context of Communication Data

ZHANG Xiaoke
(G C I S c i e n c e & T e c h n o l o g y C o., L t d., G u a n g z h o u 510310, C h i n a)

In order to deal with the incomplete trust degree in social networks, a prediction method of user trust degree based on the context of communication data was used to analyze the trust degree of acquaintance and the trust degree of similarity between mobile users. Combined with the time decaying factor, a prediction scheme of user trust degree based on the temporal correlation was proposed. Experiments demonstrate that the prediction method considering both the time decaying factor and the user trust degree not only enhances the prediction accuracy of the trust degree between users to some extent, but has certain expansibility as well.

social networks trust degree context time decaying factor

10.3969/j.i s s n.1006-1010.2017.12.011

T P 391.4

A

1006-1010(2017)12-0054-05

張小可. 基于通信數(shù)據(jù)上下文的用戶(hù)信任度預(yù)測(cè)[J]. 移動(dòng)通信, 2017,41(12): 54-58.

2017-03-10

責(zé)任編輯：袁婷 y u a n t i n g@m b c o m.c n

張小可：中級(jí)工程師，碩士畢業(yè)于西安交通大學(xué)，現(xiàn)任職于廣州杰賽科技股份有限公司研發(fā)中心，擅長(zhǎng)于移動(dòng)互聯(lián)網(wǎng)和大數(shù)據(jù)應(yīng)用軟件設(shè)計(jì)開(kāi)發(fā)以及產(chǎn)品化，主要從事產(chǎn)品架構(gòu)設(shè)計(jì)、用戶(hù)行為分析等工作。