53、融合知识缺陷和路径长度的信任聚合策略

融合知识缺陷和路径长度的信任聚合策略

在社交网络应用中，用户准确估计对其他对等用户的信任程度的能力正受到越来越多的关注。信任聚合通过识别网络中连接用户的路径，并合并沿这些路径表达的信任意见，为用户提供了这种能力。然而，由于个人的信任意见并不总是基于完美的知识，并且随着给定路径上信任估计的传播长度增加，其质量可能会下降，因此需要相应机制来处理这些不完美之处。

1. 信任网络基础

信任网络由可以通过信任分数表达对其他代理意见的代理（用户）组成。它是改进推荐系统、电子邮件过滤、金融交易等 Web 应用的重要工具。在信任网络中，并非所有代理都是直接相连的。为了预测一个代理对其某个对等方的信任分数，我们可以搜索连接它们的路径，并沿该路径传播信任分数以获得估计的信任分数。如果有多个路径可用，则需要聚合这些信任分数以获得最终的估计信任分数。在聚合过程中，并非所有信任分数都具有同等的用处，有两个关键因素会影响信任分数的相对重要性：
- 知识缺陷 ：有时，一个代理没有足够的信息来建立对某个对等方的明确信任意见，或者其意见基于相互冲突的信息源。这两种情况都属于有缺陷的知识，可以通过从双格中提取信任分数来建模。这样，信任分数不仅反映了信任关系的强度，还反映了其基于的信息量。
- 路径长度 ：获取信任分数所需的传播步骤越多，过程中出现错误并累积的可能性就越大。实验表明，较短的路径会带来更准确的信任估计和推荐。

2. 预备知识

2.1 聚合算子

常见的聚合标量参数向量 $\langle a_1, \ldots, a_n \rangle$ 的策略有：
-