在线社交网络中基于机器学习的多维用户信任评估方法 |
| |
引用本文: | 周峤,张欣欣,周赵斌,许力.在线社交网络中基于机器学习的多维用户信任评估方法[J].福建师范大学学报(自然科学版),2023(1):59-67. |
| |
作者姓名: | 周峤 张欣欣 周赵斌 许力 |
| |
作者单位: | 福建师范大学计算机与网络空间安全学院福建省网络安全与密码技术重点实验室 |
| |
基金项目: | 国家自然科学基金资助项目(U1905211); |
| |
摘 要: | 为了解决在线社交网络中识别不可信用户的问题,提出了基于机器学习的多维用户信任评估方法.该方法首先定义了最大平均值对数偏差用于计算特征;其次,充分考虑在线社交网络的特点以及现实中信任建立的过程,从用户的历史数据中提取出一共4类13项特征用以计算用户的信任值.此外,方法使用了6种不同的机器学习模型,用来衡量所提出的特征识别不可信用户的效果.在真实数据集上的测试结果表明,基于最大平均值对数误差计算得到的特征能够在正确率等各项指标上取得优异表现.
|
关 键 词: | 信任评估 机器学习 特征选择 在线社交网络 |
|
|