一种时间敏感的信任度信息处理方法技术

本发明专利技术涉及一种时间敏感的信任度信息处理方法，包括：用户与服务进行交互的交互信息通过“代”的形式被存储和计算；通过前n代中每一代用户c对服务s的直接信任度的加权和计算用户c对服务s的直接信任度；通过前n代中用户c的“相似用户”对服务s的直接信任度的加权和计算用户c对服务s的间接信任度；通过用户c对服务s的直接信任度与间接信任度的加权和计算用户c对服务s的主观信任度。与现有技术相比，本发明专利技术通过“代”来存储和计算信任度，有效地减小占用空间，引入“相似用户”结合“代”的概念进行间接信任度的计算，并根据最近几代的交互情况动态调整参数以提高效率，降低了时间消耗，体现了时间敏感性。

【技术实现步骤摘要】
【专利摘要】本专利技术涉及，包括：用户与服务进行交互的交互信息通过“代”的形式被存储和计算；通过前n代中每一代用户c对服务s的直接信任度的加权和计算用户c对服务s的直接信任度；通过前n代中用户c的“相似用户”对服务s的直接信任度的加权和计算用户c对服务s的间接信任度；通过用户c对服务s的直接信任度与间接信任度的加权和计算用户c对服务s的主观信任度。与现有技术相比，本专利技术通过“代”来存储和计算信任度，有效地减小占用空间，引入“相似用户”结合“代”的概念进行间接信任度的计算，并根据最近几代的交互情况动态调整参数以提高效率，降低了时间消耗，体现了时间敏感性。【专利说明】
本专利技术涉及服务选择和数据挖掘领域，尤其是涉及，可用于获得服务消费者对服务的主观信任度。
技术介绍
目前用于服务选择的非功能性需求大多只考虑客观因素，而很少考虑基于信任或评价的主观因素。在信任的计算方法中，需要考虑历史交互的信息并以此进行预测。但是如果保存每次交互的评价并进行计算会消耗大量的空间和时间。同时，为了减少恶意评价用户对全局数据的影响，很多方法会对评价值与总体水平相差较大的用户进行惩罚或降权，但是这也减少了偏好多样性，影响个性化用户的预测。
技术实现思路
本专利技术的目的就是为了克服上述现有技术存在的缺陷而提供一种时间敏感的信任度?目息处理方法。本专利技术的目的可以通过以下技术方案来实现：，用于得到用户对服务的主观信任度，其特征在于，该方法包括以下步骤：步骤1，用户与服务进行交互的交互信息通过“代”的形式被存储和计算，所述的交互信息包括评价值和时间属性，当一个新的交互信息产生时，检查如果将该信息加入当前代是否满足MRN或LTI的限制，如果满足则加入当前代，否则产生新的一代，并将该信息加入新的一代中，如果产生新的一代，原来每一代都衰老一代，即第i代成为第i+Ι代，记录较新的数据代称为年轻代，记录较早数据的代称为年老代，定义参数η表示最大存储的“代”数，超过η代的数据将被丢弃以减小空间占用，其中参数MRN表示每代中最多包含的评价次数，参数LTI表示每代第一个评价到最后一个评价最长的时间间隔；步骤2，通过前η代中每一代用户c对服务s的直接信任度的加权和计算用户c对服务s的直接信任度DT (c，s)，距离当前越近的代占有越大的权值；步骤3，通过前η代中用户c的“相似用户”对服务s的直接信任度的加权和计算用户c对服务s的间接信任度IT (c，s)，与用户c相似度越高的用户占有越大的权值；步骤4，通过用户c对服务s的直接信任度DT (c，s)与间接信任度IT (c，s)的加权和计算用户C对服务s的主观信任度T (c，s)。步骤4所述的计算用户c对服务s的主观信任度T(c，s)具体公式为，【权利要求】1.，用于得到用户对服务的主观信任度，其特征在于，该方法包括以下步骤： 步骤1，用户与服务进行交互的交互信息通过“代”的形式被存储和计算，所述的交互信息包括评价值和时间属性，当一个新的交互信息产生时，检查如果将该信息加入当前代是否满足MRN或LTI的限制，如果满足则加入当前代，否则产生新的一代，并将该信息加入新的一代中，其中参数η表示最大存储的“代”数，超过η代的数据将被丢弃以减小空间占用，参数MRN表示每代中最多包含的评价次数，参数LTI表示每代第一个评价到最后一个评价最长的时间间隔； 步骤2，通过前η代中每一代用户c对服务s的直接信任度的加权和计算用户c对服务s的直接信任度DT (c，s)，距离当前越近的代占有越大的权值； 步骤3，通过前η代中用户c的“相似用户”对服务s的直接信任度的加权和计算用户c对服务s的间接信任度IT (c，s)，与用户c相似度越高的用户占有越大的权值； 步骤4，通过用户c对服务s的直接信任度DT (c，s)与间接信任度IT (c，s)的加权和计算用户c对服务s的主观信任度T (c，s)。2.根据权利要求1所述的，其特征在于，步骤4所述的计算用户c对服务s的主观信任度T (c，s)具体公式为， 3.根据权利要求1所述的，其特征在于，步骤2所述的计算用户c对服务s的直接信任度DT(c，s)具体公式为， 4.根据权利要求1所述的，其特征在于，步骤3所述的“相似用户”的获取方法包括以下步骤： 步骤301，获取最近k代中与c交互的服务集合ss ； 步骤302，获取最近I代中与服务集合ss交互的用户集合scc，其中用户集合scc不包括用户c ； 步骤303，计算最近m代中用户集合see中每个用户与用户c共同交互的服务数量，并从大到小对用户集合SCC重新排序,得到新的用户集合see’= (SC1, SC2, SC3,…}; 步骤304，在新的用户集合see’中选取前a个用户作为“相似用户”集合，即“相似用户”集合={sc1； SC2, . . . , SCaI O5.根据权利要求4所述的，其特征在于，步骤3所述的计算用户C对服务s的间接信任度IT(c，s)具体公式为， 6.根据权利要求4所述的，其特征在于，所述的参数 k、I、m 可定义为 【文档编号】G06F19/00GK103488899SQ201310442531【公开日】2014年1月1日 申请日期:2013年9月25日 优先权日:2013年9月25日 【专利技术者】袁时金, 诸剑俊, 穆斌, 王佩琪, 刘晴晴, 陈唯 申请人:同济大学本文档来自技高网...

【技术保护点】
一种时间敏感的信任度信息处理方法，用于得到用户对服务的主观信任度，其特征在于，该方法包括以下步骤：步骤1，用户与服务进行交互的交互信息通过“代”的形式被存储和计算，所述的交互信息包括评价值和时间属性，当一个新的交互信息产生时，检查如果将该信息加入当前代是否满足MRN或LTI的限制，如果满足则加入当前代，否则产生新的一代，并将该信息加入新的一代中，其中参数n表示最大存储的“代”数，超过n代的数据将被丢弃以减小空间占用，参数MRN表示每代中最多包含的评价次数，参数LTI表示每代第一个评价到最后一个评价最长的时间间隔；步骤2，通过前n代中每一代用户c对服务s的直接信任度的加权和计算用户c对服务s的直接信任度DT(c，s)，距离当前越近的代占有越大的权值；步骤3，通过前n代中用户c的“相似用户”对服务s的直接信任度的加权和计算用户c对服务s的间接信任度IT(c，s)，与用户c相似度越高的用户占有越大的权值；步骤4，通过用户c对服务s的直接信任度DT(c，s)与间接信任度IT(c，s)的加权和计算用户c对服务s的主观信任度Ｔ（c，s)。

【技术特征摘要】

【专利技术属性】
技术研发人员：袁时金，诸剑俊，穆斌，王佩琪，刘晴晴，陈唯，
申请(专利权)人：同济大学，
类型：发明
国别省市：