基于主观信任和推荐的信任模型

研究了分布网络环境中交易实体的信任问题,分析了信任的含义并考虑影响信任行为的外部环境因素,结合主观判断和推荐,构建了一种新型信任模型并引入惩罚机制,建立信任更新协议。     

构造P2P电子商务系统中基于推荐过滤信任模型

通过对已有工作的分析和对比,选用了一种利用置信因子综合局部声誉和全局声誉的信任评价机制作为研究基础,引入基于集合迭代二分法的过滤方法对推荐节点进行过滤,并提出对评价其他节点评价质量的节点的评价可信度进行了限定来提高模型的准确性和抗攻击能力.同时,为避免恶意节点用诚信买行为来掩盖恶意卖行为的情况,对买家和卖家给对方的评价...     

基于信任关系的潜在好友推荐方法

如何有效地帮助用户挖掘平台潜在好友成为电子商务中一项非常重要的服务需求。提出了一种综合考虑用户间兴趣因素和信任因素的好友推荐方法,设计并构建了一个包括用户声望信任和局部信任的混合信任网络,将网络中信任评价度与协同过滤中兴趣评分相似度进行组合来衡量用户间好友相似关联,以实现好友推荐。在Epinions数据集上以准确率、召回率和F值作为实验评价指标,对所提方法进行验证,相比其他同类应用准确率在10％-15％、召回率在10％～20％的性能,本文方法的准确率和召回率的最佳性能分别达到22．47％和21．15％,实验证明本文方法有效提高了推荐性能。     

基于群推荐的多跳无线网络信任模型

首先提出了群推荐的概念,在此基础上,提出了一种新颖的动态的多跳无线网络安全信任模型.该模型克服了已有的多跳无线网络信任模型的若干局限性,通过对节点行为进行综合评估,为网络中节点之间的合作和安全决策提供更细致和精确的依据,并能动态反映信任关系的变化状况,为通信节点是否可信建立了一个较为明确的判断标准.该模型能够较好地抵抗恶意节点的欺骗行为,提高了节点的可信度,能有效解决多跳无线网络中的盲目信任问题.     

无线Mesh网中基于推荐信任的身份认证方案

为了提高无线Mesh网络的安全性,提出基于推荐信任的身份认证方案.当目标节点要求加入网络时,源节点发出推荐请求,响应请求的推荐节点用推荐信任值评价目标节点的可信度.该方案将各推荐节点的推荐信任向量加权综合后量化,源节点可根据信任等级直观有效地判断一节点的可靠性,由此避免非可靠节点的加入,提高了网络的安全性.     

社交网络中基于信任评估的推荐控制模型

针对社交网络中无法有效管理陌生推荐安全性难题,提出了一种基于信任的评估推荐控制模型(TRCM).该模型描述了社交网络推荐中个体角色、推荐路径、可信任值、控制规则等方面内容.模型结合社交网络个体之间取信度、信誉度评估方法,分别计算串路型、并路型和复合型3类推荐信任度,并给出了客观偏移度和信心指数评估.同时,TRCM定义了一组信任控制规则以管理社交网络中的推荐行为.实验表明,该方法是有效可行的.     

基于行为的Ad Hoc网络分布式CA推荐信任模型

移动Ad Hoc网络是一组带有无线收发装置的移动节点组成的一个多跳的临时性自治系统,根据其通信具有局部性这一特点,可以建立移动Ad Hoc网络的多域全分布式CA系统．在研究如何建立不同域间的CA信任关系时,提出了基于行为的扩展推荐信任模型．它通过网络运行中的反馈信息,动态管理信任路径,提高了系统的安全性、可伸缩性和鲁棒性．     

网络安全信任模型的研究

信任模型在分布式安全系统中起着非常重要的作用,普遍情况下模型都是通过量化实体行为和计算实体信任度来评估实体间的信任关系的。信任模型就是解决整个网络中实体如何得到其他实体合理信任值的问题。在获取信任值的基础上,实体间建立一定的信任关系,达到提高网络交易安全性的目的。信任和信任关系在安全系统中有着广泛的应用,文章针对近年来网络信任模型研究中存在的问题总结出了信任模型研究的热点和方向。     

基于主观逻辑的Web服务信任模型

为解决当前Web服务网络中存在的一些与信任相关的安全问题、提高Web服务的安全性和可靠性，基于主观逻辑，文中提出了一个改进的自适应Web服务信任模型iWSTrust及相应的信任度和声誉评估算法，该模型利用主观逻辑对Web服务网络中的实体进行信任建模和推理，并增加可信任的第三方机构来保存信任信息，通过综合考虑Web服务环境中的各个相关实体，分析一次典型交易过程中所涉及的信任关系，并对不同类型的服务请求者进行区分，使得实体的信任度和声誉能够随着交易经验的增加而自适应地改变。模拟实验结果表明，iWSTrust能在一定程度上减少访问到恶意实体的次数，并惩罚进行欺骗的实体。     

基于语义Web的自动推理技术研究

本体论是语义Web的逻辑基础,语义Web研究的主要目的就是扩展当前的万维网,使得网络中的信息具有语义.语义Web出现的目的是为了解决机器和人对知识理解的问题,因此,可以在语义Web的基础上展开推理.以此为思路,首先分析了语义Web的逻辑基础,然后对语义Web的推理形式进行了研究,最后在此基础上提出了一种有效的推理系统,该推理系统解决了传统专家系统中知识表示形式所带来的一些问题,并且能够使建立的知识更好地共享.     

一种面向社交网络的资源服务推送方法分析与研究

传统的基于协同过滤推荐、内容推荐等技术在资源服务推荐中虽然得到了广泛地应用,但这些方法针对矩阵稀疏、冷启动等问题,在一定程度上还是未能有效地解决,以致推荐效果不是很理想。根据用户社交网络中关系,把用户之间的相似关系和信任因关系作为构建服务推荐目标用户列表的计算因子,从而对网络资源服务向目标用户做出有效而精确地推荐。通过实验分析,这种方法在面向社交网络平台上的资源服务推荐有着明显的优越性。     

基于Web挖掘的个性化推荐系统的设计

介绍Web数据挖掘概念、个性化推荐技术,着重设计了一个基于Web挖掘的个性化推荐系统,并给出了个性化推荐核心模块的实现过程。本系统根据Web挖掘过程,结合基于聚类划分的增量式关联规则挖掘算法的实现。     

基于服务质量的Web内容变换方法研究

结合网络和Web服务器提出了一种基于服务质量的Web内容变换方法：针对网络资源与Web资源负载不均衡问题建立一个基于服务质量的Web内容调整组件。通过监测用户网络状况，利用Web调整网络传输内容，实现端到端的服务质量保证．并在网络教学中进行该方法的实际应用，验证了其可行性和实用性．     

基于Web Service的DSS模型重用机制研究

模型重用是DSS模型研究的重要问题之一．本文提出把DSS模型分成动态模型和静态模型并分类进行管理，同时利用Web Service技术向远程客户端提供模型服务；而用户则通过客户端模型调用组件向Web Service调用不同的模型服务．这样更好地实现了在分布式异构环境中的模型重用，另一方面也使得模型易于使用和管理．     

基于网页关键词的个性化Web推荐算法

个性化Web推荐系统是利用用户的浏览行为定制符合用户结构和内容的过程。在综合应用协作过滤和内容过滤方法的基础上,通过对网站网页关键词的评估,提出了一种新的个性化Web推荐算法,研究了基于网页关键词的个性化模型,网站页面中关键词的权重计算,基于协作过滤的新用户推荐,基于内容过滤的再次推荐方法,以及基于用户群的用户兴趣调整方法。实验证明,本算法能够以较高的效率对用户进行网页推荐。     

基于人力资源行为的集群企业内部信任机制的博弈分析

集群企业间的信任是集群存在和发展的基础。通过博弈分析方法,对集群中信任机制的三个阶段进行了深入研究。本文得出结论:集群中的信任呈现出由个人信任向制度信任动态发展的过程。     

基于改进的MapReduce模型的Web挖掘

基于单一服务器的Web挖掘系统在处理海量数据集时计算能力不足,针对该问题,提出了一种基于云计算的挖掘方法。将大数据集和挖掘任务分解到多台计算机上并行处理。实现了一个基于Hadoop开源框架的并行Web挖掘平台,同时提出了一种改进的MapReduce模型——MapReduce-LP。并通过对电子商务系统中Web日志的挖掘工作验证了系统的有效性和新模型的高效性。实验表明,在集群中使用云计算技术处理大数据集,可以明显提高挖掘效率。     

基于协同过滤的可信Web服务推荐

提出一种基于开放网络环境和用户协同过滤的可信Web服务推荐方法TWSRCF(trustworthywebservicerecommendationbasedoncollaborativefiltering).首先根据用户的查询请求得到一组功能相同或相似的候选Web服务集合,然后基于用户的历史共同评价得到目标用户的偏好相似用户集合,并求得候选Web服务集合中每个服务的可推荐用户集合,并根据可推荐用户的相似度、评价值和可信度计算各候选服务的推荐度,按照推荐度对各候选服务进行排序并向目标用户推荐.实验结果表明,随着用户评价数量的增加,该方法所获得的服务推荐效果也逐渐明显.