2016 年 第25卷 第3期 https://www.doczj.com/doc/1e11566287.html, 计 算 机 系 统 应 用
Research and Development 研究开发 267
层次分析法在网络用户信任度评价模型中的研究①
杨秀梅1,2, 孙 咏2, 王美吉2, 田 月2
1(中国科学院大学, 北京 100049)
2
(中国科学院 沈阳计算技术研究所, 沈阳 110168)
摘 要: 随着计算机技术和网络的发展, 充分挖掘用户之间信任关系成为各大网络运营平台的关注热点. 本文提出利用用户信息作为评价指标构建用户信任度评价模型的方法, 并将层次分析法应用于模型构建, 以缓解多指标权重设定中人为主观因素干扰问题. 文章介绍了层次分析法工作流程并给出了用户信任度评价模型中各评价指标的权重, 层次分析法的引入使得用户信任度评价模型更为科学、简洁、有效. 关键词: 用户信任度模型; 层次分析; 一致性检验; 指标权重
Network User Trust Degree Evaluation Model by Analytic Hierarchy Process
YANG Xiu-Mei 1,2, SUN Yong 2, WANG Mei-Ji 2, TIAN Yue 2
1(University of Chinese Academy of Sciences, Beijing 100049, China) 2
(Shenyang Institute of Computing Technology, Shenyang 110168, China)
Abstract : With the development of computer technology and network, fully exploiting of the trust relationship between network users become hot spots among network operator platforms. A method of user trust degree evaluation model constructing with user attribute information as evolution index is proposed in the article. Also,the paper focuses on how to use the analytic hierarchy process(AHP) to determine the weight of each evaluation index to mitigation of human subjective factors. On the basis of introducing the AHP, the weight of the evaluation index in the user trust evaluation model is given. Also the application of AHP makes the model more scientific, simpleand effective. Key words : trust degree evaluation model; analytic hierarchy process; consistency check; index weight
随着网络技术的迅猛发展, 网络信任作为社会信任的重要组成部分, 成为网络发展的重要基础. 充分挖掘用户之间信任关系成为各大网络运营平台研究的重点. 然而, 由于网络社会与现实社会存在一定的差异, 很多用户之间缺少现实接触, 因此, 越来越多对用户信任度的研究将关注点放在网络用户注册信息、用户交互次数等内容上. 但是随着研究的深入, 各种模型权重指标的设定又成为一个难题. 现有多指标综合评价问题中多采用均等权重、人为主观赋予权重等方法. 但上述方法存在一定的局限性[1], 如: 主观因素对模型干扰过强、评价指标数量的增长导致计算复杂性增加等.
因此, 为了优化网络用户信任模型中多种指标权重的设定, 缓解均等权重、人为主观赋予权重等方法
① 收稿时间:2015-07-05;收到修改稿时间:2015-08-20
中主观因素的干扰, 本文构建了一种基于用户信息的用户信任度评价模型. 在评价指标权重设定方面引入层次分析法[2], 计算各指标的相对权重. 文章最后给出了具体的用户信任度评价模型, 确定了各指标的权重.
1 用户信任度评价模型
1.1 相关工作
随着社会心理学对人与人之间信任产生原理及过程的相关研究的发展, 众多致力于网络用户信任研究的人员提出了基于用户上下文信息的网络用户信任度计算方法. 乔秀全[3]等人将社交网络中用户之间的信任度分为熟悉性产生的信任度和相似性产生的信任度; Jennifer [4]等人提出利用FOAF 计算没有直接联系的用