摘要：现有的推荐算法引入用户显式信任,可以有效地提高推荐精度,但没有充分挖掘社交关系,而间接信任在社交信息中具有更加丰富的潜在价值,进一步影响到推荐质量。虽然对于间接信任也存在相关研究,但是计算复杂,采取的信任传递路径不充分。故此,通过信任传递网络图,将各分支节点与总路径节点比例经过逐节点相乘的方式全局获取信任间接值,然后采用信息熵分析用户社交信任关系的实际表现,调整信任,以形成间接信任的计算模型IpmTrust,并以此模型设计一种考虑用户间接信任的推荐算法GITCF。该算法利用高斯模型对评分矩阵进行填充,然后采用修正的余弦计算用户相似度。通过IpmTrust计算间接信任后,将用户信任与相似度进行一定线性加权融合,最后采用改进的近邻预测进行推荐。实验在Matlab仿真平台上进行,对RMSE,MAE两个指标评测,将GITCF与现有的推荐算法、传统推荐算法做比较。GITCF的推荐精度比现有推荐的推荐精度提高了近7%,也高于不含信任的传统推荐的推荐精度。实验结果表明,IpmTrust模型有一定的有效性,设计的推荐算法可改善推荐结果的质量。

摘要：从社会网络理论视角出发,分析高技术虚拟产业集群社会网络信任特征,构建影响关系的三维结构模型,并以直接信任度、间接信任度及信任感知风险度3个维度为核心搭建总体运行框架。在此基础上,构建社会网络动态信任评估模型,综合考虑时间衰减、失信惩罚、推荐可信及风险感知等要素,从多角度全面准确地刻画动态性、复杂性及不确定性。采用Ma-pleSim仿真平台进行模拟仿真结果表明,该信任模式可以约束并遏制恶意失信行为的发生,对潜在合作伙伴选择、提高合作成功率具有较好的效果。

摘要：针对云计算环境内部的信任问题,提出一种基于证据理论的信任评估模型,为云中心的资源分配及调度提供决策支持。在对信任评估的过程中,考虑到云环境中存在着大量的不确定性因素,将信任关系分为"可信"、"不可信"、"不确定",从这3方面对信任进行评估。根据实体的中央处理器(CPU)、内存、磁盘、网络状况,得到直接信任值;根据实体与云中心的交互情况,得到间接信任值;进行加权平均得到综合信任值。仿真结果表明,该信任模型能够准确有效的对信任做出评估。

摘要：考虑到WSN节点的交互时延和能耗问题,提出一种基于时间因素的WSN信任模型。在计算直接信任度和间接信任度时引入时间衰减因素,使离当前时刻越远的信任值衰减越大,对整体信任度的影响越小,通过反馈控制机制动态更新簇内节点和簇头节点的信任度,使整体信任值具有时效性,对节点信任度的评价更精确可靠。实验结果表明,该信任模型能够有效降低无线传感网络节点之间的交互时延并提高模型的稳定性及可靠性,在对交互时延要求较高和低能耗的WSN环境下能够发挥更好作用。