分布式系统推荐信任模型研究

计算机工程与应用 ›› 2012, Vol. 48 ›› Issue (2): 109-112.

分布式系统推荐信任模型研究

曲永花1，窦万峰1，2，刘超3

1.南京师范大学计算机科学与技术学院，南京 210046
2.江苏省信息安全与保密技术工程研究中心，南京 210097
3.安徽大学计算智能与信号处理教育部重点实验室，合肥 230039

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2012-01-11 发布日期:2012-01-11

Research on distributed system recommendation trust model

QU Yonghua1, DOU Wanfeng1，2, LIU Chao3

1.School of Computer Science and Technology, Nanjing Normal University, Nanjing 210046, China
2.Jiangsu?Engineering Center of Research on Information Security & Confidential Technology, Nanjing 210097, China
3.Key Laboratory of Intelligent Computing Signal Processing, Ministry of Education, Anhui University, Hefei 230039, China

Received:1900-01-01 Revised:1900-01-01 Online:2012-01-11 Published:2012-01-11

摘要/Abstract

摘要： 针对分布式网络中节点请求推荐信任时需要选取推荐节点的问题，提出一种能够准确评估推荐节点推荐能力信任度的信任模型DSRT（Distributed System Recommendation Trust）。该模型在区分服务质量信任度和推荐能力信任度的基础上，研究了影响推荐能力信任度的节点相关性、频繁度和风险等因素，其中，相关性不仅考虑了节点的服务关心相似度，还考虑了节点的评价能力相似度，频繁度和风险的计算均考虑了请求节点和其他交互节点的不同。模拟实验表明，该模型能够准确选取推荐节点，提高节点交互的满意率。

关键词: 服务质量信任度, 推荐能力信任度, 频繁度, 风险

Abstract: In distributed network, a node requesting recommendation needs to select right recommendation node. This paper proposes a recommendation trust model. This model distinguishes service quality trust from recommended capacity trust, includs nodes’ correlations, frequencies and risk. In these elements, correlations are measured by service care similarity and assessment capacity similarity, and frequencies and risk are calculated considering different nodes. Experimental results demonstrate that the model can select recommendation nodes accurately and improve the satisfaction rate of the nodes interactions.

Key words: service quality trust, recommendation trust, frequencies, risk

曲永花1，窦万峰1，2，刘超3. 分布式系统推荐信任模型研究[J]. 计算机工程与应用, 2012, 48(2): 109-112.

QU Yonghua1, DOU Wanfeng1，2, LIU Chao3. Research on distributed system recommendation trust model[J]. Computer Engineering and Applications, 2012, 48(2): 109-112.

[1]	杨培蓓，王晓光. 区块链下的船舶抵押融资信用风险测度与控制[J]. 计算机工程与应用, 2021, 57(9): 264-271.
[2]	谭乐平，宋平，杨琦峰. 风险规避型双渠道供应链的融资和定价决策[J]. 计算机工程与应用, 2021, 57(7): 237-250.
[3]	张芳，武杰，杨悦. 风险规避的冷链物流服务供应链减排协调决策[J]. 计算机工程与应用, 2021, 57(24): 259-267.
[4]	游运，万常选，江腾蛟. 考虑社会网络关系的P2P借贷项目违约风险预测[J]. 计算机工程与应用, 2021, 57(13): 239-245.
[5]	温廷新，孔祥博. 不平衡样本下的金融市场极端风险预警研究[J]. 计算机工程与应用, 2020, 56(8): 256-260.
[6]	张道宏，王维莉，古华莹，胡志华. 考虑供应商风险偏好的供应链系统动力学分析[J]. 计算机工程与应用, 2020, 56(3): 224-231.
[7]	闫丽萍1，马家军1，陈文兴2. 稀疏结构化最小二乘双支持向量回归机[J]. 计算机工程与应用, 2019, 55(3): 10-14.
[8]	梁书彤，郭茂祖，赵玲玲. 基于机器学习的医疗决策支持系统综述[J]. 计算机工程与应用, 2019, 55(19): 1-11.
[9]	申成然，刘小媛. 考虑风险规避与碳减排的双渠道供应链决策[J]. 计算机工程与应用, 2019, 55(1): 241-247.
[10]	高原1，冯筠2，杨婉妮2. 混沌递归分析在黄金市场风险识别中的应用[J]. 计算机工程与应用, 2018, 54(6): 228-233.
[11]	史成东1，郭福利2，闫秀霞1，马冠英1，李强1. loss-averse测度的低碳闭环供应链最优减排研究[J]. 计算机工程与应用, 2018, 54(4): 256-262.
[12]	赵静，郭鹏，王景玫. 项目组合交互风险的网络聚类及协同演化研究[J]. 计算机工程与应用, 2018, 54(12): 198-205.
[13]	晏燕1，2，王万军3. 偏联系数隐私风险态势评估方法[J]. 计算机工程与应用, 2018, 54(10): 143-148.
[14]	韩玮1，谢晖2，段万春2. 考虑准则依赖的风险型多准则决策新方法[J]. 计算机工程与应用, 2017, 53(7): 9-14.
[15]	高志方，盛冠帅，彭定洪. 妥协率法在信息安全风险评估中的应用[J]. 计算机工程与应用, 2017, 53(23): 82-87.