摘要：针对信任由背景敏感性导致的在社交网络中难以有效评估用户间接信任值的问题，提出了一种面向多交互背景的间接信任评估模型（multiple-context trust evaluation，MCTE）。该模型利用相关性概念，通过对各背景下网络结构和用户信任关系的综合分析，建立覆盖在信任网络之上的相关性网络，进而利用交互背景的相关性计算跨背景用户的间接信任值。模型避免了多背景以及疏散网络中间接用户信任路径难以寻求，以及信任衰减对评估的影响，有针对性地为用户组建立相关网络，保证了预测的准确性及合理性。对真实社交网络的实验结果表明，MCTE模型不仅可以计算单一背景下用户的间接信任值，更适用于多交互背景下用户信任值的预测。与已有模型相比，评估准确度有较大的提高。
关键词：社交网络；信任评估；多背景
中图分类号：TP309 文献标志码：A 文章编号：0253-987X（2015）04-0073-05
线上社交网络设计的初衷是让网络成员能够与更多的陌生成员进行交互，从而开拓新的商业、政治、交际的可能性，然而由于其开放性以及广泛的流行性，用户的隐私以及数据安全问题成为其达到预期目的的重大阻碍之一。建立一个让社交网络成员公开、自由、安全分享信息的平台是必须要面对的问题。社交网络成员利用信任关系建立交互并处理复杂的系统和信息的不确定性所带来的各种威胁是解决这一问题的有效途径。在这种框架下，信任是社会成员之间所有交互的基础，也是分享信息和开发新的社会关系的决定因素。
近年来，众多学者从事于社交网络中对未知用户的信任评估研究。Andersen等提出了基于平均理念的评估方案，这些方案适用于各种网络环境中，然而对于社交网络个体的特殊性不能有效地描述。Golbeck等提出了基于信任传递性的评估模型，这种模型利用信任的传递性建立节点间的信任路径对信任值进行评估，然而这些方法无法建立多背景下的信任路径。Hang等提出了一种基于网络相似性的评估机制，然而这种机制对于非对称的信任关系不能有效地区分。
对背景敏感是信任的重要属性，如何综合利用已知背景下的信任信息，对各个背景下未知节点的信任值进行评估是上述方法不能有效解决的问题。本文提出一种基于网络相关性的信任评估模型（multiple-context trust evaluation，MCTE），这种模型利用相关性的概念计算网络节点，再利用相关性网络完善信任网络。最后，未知的信任值从完善后的信任网络得到。这种算法不仅适用于单背景下的陌生网络节点的信任评估，更在多背景环境下有着出色的表现，对于解决跨背景信任评估问题较现有算法有着较大的优势。通过对真实社交网络的数据进行测试，发现在准确度方面超过现有的算法，在节点的可计算度方面与传递法基本持平，略低于平均法，但是由于平均法的高误差，MCTE方案在综合性能上超过现有的算法。