ML-ELM-NeuralWalk:在线社交网络的信任评估

• 作者: 张硕硕
• 来源期刊: 计算机科学与应用
• 学科: 工学
• 关键词: 信任评估 在线社交网络 多层极限学习机 机器学习
• 年，卷（期）: 2021,（2）
• 页码范围: 266-276
• 页数: 11页
• 分类号: TP3

摘要

信任关系在网上购物、推荐系统、物联网等方面发挥着重要作用。在线社交网络(OSN)中用户之间的信任评估问题引起了广泛关注,已成为社会计算领域的一个热点问题。但是,在OSN中信任的传递和聚合方式以及信任计算的准确性还不清楚。首先,ML-ELM-WalkNet学习两跳信任计算规则,计算OSN内用户之间的两跳信任。然后,ML-ELM-NeuralWalk用计算出的信任值更新OSN,通过迭代调用ML-ELM- WalkNet实现用户间多跳信任的计算。与采用推断方式的传统解决方案不同,ML-ELM-WalkNet能够以归纳的方式学习信任计算规则,并准确计算出用户之间的间接信任。在两个实际OSN数据集上进行的实验表明,ML-ELM-NeuralWalk的性能优于现有的解决方案。