4、涌现语义的观点与应用

涌现语义的观点与应用

1. 信任与声誉模型

在现实世界的社区中，声誉只是决定相互信任的众多因素之一。任何信任和声誉模型都应考虑声誉老化的问题，例如可以使用公式 $Ta(p, q, t) = R(p, q, t_0)e^{-\beta(t - t_0)}$（其中 $t > t_0$）来表示。

基于用户的行为，可以生成并发布特定的信任断言。为了简化，我们考虑形式为 $Ta(p, q) = \alpha$ 的简单断言，它表示对等方 $p$ 对由对等方 $q$ 提出的断言 $a$ 的信任级别为 $\alpha$。这些断言是特定于社区的，是涌现语义的一个有趣示例。例如，用户 $q$ 提出断言 $a$，称资源 $r$（一个 .mp3 文件）属于乡村歌曲类别。如果用户 $p$ 下载 $r$ 后将其存储到名为“乡村音乐”的本地目录中，则可以自动生成信任断言 $Ta(p, q) = \alpha$。

定义像 $\alpha$ 这样的信任值的语义，无论是基于对断言 $a$ 的信念，还是基于 $a$ 与用户目的的相关性，本身都是一个开放的研究问题，特别是在非匿名场景中。另一个开放问题是定义适当的信任代数，以组合信任断言，从而创建一个信任网络。这里，我们简单假设 $\alpha \in [0, 1]$。信任断言形成一个独立的、不断发展的元数据层，可以存储在中央服务器或分布式对等方上。隐藏在信任元数据层中的涌现语义可用于计算对原始元数据断言的可信视图，例如通过忽略社区范围内信任级别低于给定阈值的断言。

在这个过程中，需要聚合个体信任度（最简单的情况是按用户和/或按资源进行聚合）。一些方法使用模糊认知图（FCM）在聚合之前对信任输入的相关性进行建模，而 REGRET 系统则是早期尝