论文总字数：44870字

摘 要

随着社会信息化进程的加快，网络逐渐融入人们的日常生活。人们为这个虚拟社会注入各种资源，使网络信息变得复杂多样，但是如何保证信息的有效性，成为每家电商企业都面临的重大挑战。本文从社会信任关系这个角度出发，分析网络信任关系，并将这种信任关系应用在具体企业的在线商务推荐中，以此提高推荐的准确性。

本文首先回顾近年来国内外学者对信任关系以及信任推荐的研究，并简要介绍目前网络社会的发展及出现的问题。然后，对研究过程中所使用的理论和技术进行探讨，为后续研究打下基础。接着，利用相关理论对信任关系进行本质性描述，分别从简单信任关系、信任网络以及引入不信任因子三方面进行描述分析。之后，将研究点落实在信任传播和集成上，在信任传播过程中引入信任衰减函数，形成信任衰减情况下的信任传播模型以及利用网络最大流方法形成的集成模型，并通过与传统计算方法进行数据比较，验证所提模型的精度。在信任集成的基础上探讨信誉模型的形成，并将其与影响力联系起来，通过新浪微博的案例建立结合信誉值的影响力模型。在实际应用上，将信任关系以及前文中的信誉模型应用在在线商务推荐领域，提出改进方法。最后，本文对此次研究工作进行了总结，并提出了未来研究过程中仍需要完善改进的地方，以期望能对信任推荐领域有所帮助。

关键词：信任关系 信任传播 信任集成 用户影响力 商务推荐

Analysis of Social Trust and its Application in Online Business Recommendation

Abstract

With the accelerated process of social, the network has been gradually integrated into daily life of people. People inject a variety of resources to this virtual community, and what they have done produce a massive growth of information online. However, how to ensure the effectiveness of the information has become a major challenge which each enterprise are facing. Relationship of social trust are concerned to solve this problem and to ensure what people have selected are useful from the source of information in this thesis.

The thesis first reviews the recent research of domestic and foreign scholars about trust recommendation, and gets a brief description of the current development of the Internet and emerging issues. Then discuss the theory and technology used in the study, which forms the foundation for the parts of analysis. Next, use related theory to describe the nature of the trust relationship, which divided into three parts，including simple relationship of trust, trust network and trust space with the distrust factor. After that, the point of study turns into the propagation and aggregation of trust. By means of bringing the trust attenuation function in the process of trust propagation, a new model in that case has been shown. And the research compared the optimization method with traditional methods to confirming the accuracy. On the basis of trust aggregation, the content extends into the forming of the reputation model and connecting it with the influence. Through the case of Weibo the study has a try to build a model of the influence with the value of reputation. Besides, trust relationship and the reputation model will be used in the field of online commerce recommendation and in this thesis there are some improvements proposed. Finally, it is about the summary of this research and at the same time, somewhere needs to improve in the future is also pointed out in order to help for the further study of trust recommendation.

Keywords: trust relationship, trust propagation, trust aggregation, user influence, commerce recommendation

目 录

第一章 绪论 1

1.1 背景介绍 1

1.2 国内外研究现状 2

1.3 研究内容 5

1.4 文章组织结构 6

第二章 相关理论和技术 8

2.1 图论 8

2.1.1 社交网络图 8

2.1.2 社交网络分析的相关理论 9

2.2 模糊理论 12

第三章 社会网络中的信任关系分析 14

3.1 传统信任关系分析描述 14

3.1.1 信任的定义及特点 14

3.1.2 直接信任关系和间接信任关系 15

3.2从简单信任关系到复杂的信任网络 16

3.3 引入不信任因子的新型信任关系讨论 18

第四章 信任传播和信任集成方法研究 21

4.1信任传播 21

4.1.1 信任传播策略探讨 21

4.1.2 信任传播建模 22

4.2 信任集成 24

4.2.1 几种信任集成模型 25

4.2.2 改进的信任集成方法 26

4.3 数据验证 27

4.3.1 数据来源 27

4.3.2对比方法 28

4.3.3 模型评价指标 29

4.3.4 结果比较分析 29

第五章 社会网络中的信誉评价及商务推荐应用 33

5.1 社会网络中的信誉问题 33

5.1.1信任与信誉的辩证关系 33

5.1.2 信誉在网络社会中的作用 33

5.2用户及商品信誉模型 34

5.3 结合信誉值的用户影响力建模及分析 36

5.3.1 案例背景 36

5.3.2 结合信誉值的影响力建模 37

5.3.3 信誉及影响力的关系分析 41

5.4 基于信任关系及信誉模型的商务推荐应用方法 42

5.4.1 传统在线商务推荐方法的局限性 42

5.4.2考虑信任关系及信誉模型的商务推荐应用方法 43

第六章 结束语 46

6.1 总结 46

6.2 研究展望 47

致谢 48

参考文献 49

第一章 绪论

1.1 背景介绍

随着互联网的迅速发展以及移动终端的广泛普及，网络逐渐成为人们工作生活中的一部分，成为信息及时发布和获取的重要平台。根据中国互联网络信息中心（CNNIC）于2015年2月公布的第35次《中国互联网络发展状况统计报告》^[1]，截至2014年底，从网民规模来看，具体数字已扩大至6.49亿；而从增长量来看，2014年度共计新增网民3117万人；总体来说，互联网的普及率达到47.9%，较2013年有所提升。而对于使用终端方面，传统上网设备如台式机、笔记本等使用率呈现平稳态势，而近年来随着智能手机市场的扩大使得手机上网使用率获得了进一步增长的空间，同时这也推动了电子商务应用实现大爆发发展，如在线购物、手机支付、旅行预定等。

在互联网时代，人们利用网络构建属于自己的线上社交圈，为其注入各种资源（如文字、图片、视频等），他们不再只是信息的获取者，而可以参与到信息的创造、传播以及分享的全过程中。线上用户通过网络与家人、朋友以及同事等进行在线互动，从而达到信息共享、获得有效信息的目的。这种使用网络的新方法在当下被称为Web2.0技术，而它的发展推动了网络社会化的特性，如Facebook、Twitter等社交网站成为线上用户经常访问的网站，人们可以在这里与朋友、亲属、同事、同学等进行互动，发布带有自身属性的信息，组织集体活动等，实现人与人之间的社交及协作，一方面丰富了用户的在线体验，另一方面为企业市场营销提供了新途径。《中国互联网络发展统计报告》显示^[1]，在互联网上分享行为持积极态度的网民占有60%的比重，而约44%的网民表示喜欢在互联网上发表评论，这意味着人们越来越依赖于网络开展各项活动。由此不难看出，在线社交网络的成熟以及用户对网络的适应性为线上企业的形成和发展带来很大的契机。

就目前企业发展形势来看，越来越多的企业搭建了线上平台，采用线上与线下相结合的模式，从而企图占领更高的市场份额。与此同时，企业竞争中心逐渐从线下转为线上，如何赢得线上用户的青睐成为每家开展线上业务的企业都在重点考虑的问题。随着Web2.0时代的到来，线上用户的增加意味着网络将会被大量冗杂的信息充斥，用户面临的首要问题就是如何在其中找到有用的信息。因此，电商企业为了满足用户这方面的需求，将推荐系统引入原有线上平台，根据用户信息及以往的行为为其推荐相关性最大的商品或服务，从而提升客户满意度，最终提升企业优势地位。

如今，推荐技术在国内外电商网站的应用越来越普遍，如Amazon、eBay等购物网站为用户推荐“买过该商品的人还买了……”，Twitter、微博等社交网站为用户推荐共同好友或共同关注等项目，Youtube等视频网站提供用户可能感兴趣的视频以及Google、百度等搜索引擎在用户输出信息时推荐搜索结果，均采用行之有效的推荐系统来提供高效服务，并受到线上用户的广泛关注。

然而，随着推荐技术的大规模使用，问题也随之出现，尤其虚拟网络在安全性和可靠性方面固有的短板，使得用户获取信息的有效性常常难以保证。由于传统推荐算法仅考虑用户之间的兴趣相似度，没有考虑用户的社会关系，具有数据稀疏性、冷启动以及易受攻击等弊端，部分用户可以利用一些特殊手段进行恶意操作，他们通过注册多个账号伪装成多个用户影响推荐效果，改变由评分机制而形成的推荐次序，从而影响推荐效果，降低客户满意度，对企业业绩产生消极作用。

为了解决这一问题，研究者们结合网络社交化的发展趋势，考虑将实际生活的社交圈引入网络社会。例如，人们生活中通常获取和筛选消息的来源是亲朋好友的建议和推荐；一半以上的线上用户选择使用某网站，其原因也是熟悉的人使用过并推荐。因此，存在具有信任关系的用户是增强网络可信性的一个重要因素，也是保证推荐有效性的突破口。将信任关系与原有推荐算法相结合，能够在缺少共同评分的情况下，根据具有高信任度的用户所偏好的商品或关注的用户来推荐给目标用户，从而提高推荐的效力。其中，以Facebook等社交网站为典型，通过根据注册账号时输入的信息进行分析处理，在用户自己添加关注的前提下，为其推荐具有间接信任关系的用户，如自己的好友关注的用户；同时也根据共同关注的信息，推荐感兴趣的用户。以此在扩大好友圈时，保证关注好友的质量和有效性。

本文立足于过去学者的研究以及目前信任推荐的发展情况，从信任关系这一角度出发，对信任传递和集成进行更为深入的挖掘，以便寻找信任推荐过程中的关键人物，分析其影响力，探寻信任推荐的内在机理；并尝试将信任推荐应用在商品推荐和在线评价机制上。

1.2 国内外研究现状

随着第一篇有关协同过滤算法的文章的发表，RSs正式进入专家和学者们的视野，成为众人视野中广为关注的研究领域^[2]。1997年，Resnick和Varian^[3]提出了RSs的确切定义，并被普遍接受而流传至今——即推荐系统是一种电商网站用来向客户提供产品信息和使用建议的内部操作系统，从而推动用户决定是否需要购买该商品以及所购买商品的种类，并通过模拟成实际生活中的导购员来协助客户实现整个商品购买过程。

随着时代的推移，推荐系统发展至今也形成了与时代相适应的变化。对于推荐系统，基于协同过滤和基于内容的传统推荐算法有一定的局限性，再加上互联网发展过程中网络社交化性质的转变，为改进推荐系统提供了可能。在社交网络中，用户可以发布信息以及在好友之间共享信息，从而对网络信息进行过滤筛选，获得自己及好友最需要的部分，其中，信任因素起着至关重要的作用。有关调查显示，原本的社交网络仅仅基于匿名用户之间相似度的推荐，而实际上人们更愿意相信他们所信任的人做出的推荐。因此，专家学者们除了利用相似度进行协同过滤之外，又将信任度这一关键因子引入推荐系统。

如今，在线社会网络的应用较广，以商业领域为典型，如商品在线推荐以及产品营销推广等，这为企业发展提供了新的商机。由于其广泛的理论价值和应用价值，对在线社会网络的研究在世界上逐步开展起来，如MIT、Stanford、IBM中国研究院等高校和科研机构，以及全球最著名的视频网站YouTube、商品评论网站Epinions等企业，均将其作为企业发展和平台改进建设的重要方向。

剩余内容已隐藏，请支付后下载全文，论文总字数：44870字