8、社交大数据中的可信度分析：方法与案例

社交大数据中的可信度分析：方法与案例

在现代企业中，社交网络已成为众多新兴应用（如推荐系统和声誉系统）基础设施的一部分。在这些应用中，信任是决策过程中最重要的因素之一，其重要性在计算机科学、社会学和心理学等多个学科中都十分明显。不过，社交媒体生态系统中的信任评估仍不成熟，需要在这一领域进行广泛研究。当前的研究正在不断改进测量、评估和量化从在线社交网络（OSNs）用户及其内容中推断出的可信度值的方法。这些方法主要可分为两类：解决通用社会信任问题的方案和推断领域驱动的社会信任的方案。

通用可信度评估方法

通用的在线社交网络信任方法旨在计算和推断用户及其内容的可信度值，而不考虑可从用户层面或帖子层面提取的感兴趣领域。随着社交媒体生态系统中数据的大量交换，社交媒体数据的可信度已成为至关重要的考虑因素，特别是对于个人数据而言。以下是一些测量社交媒体可信度的方法：
- 基于图的社交信任 ：
- Podobnik等人提出了一个基于Facebook中用户关联朋友之间边的权重来计算网络图中朋友之间信任的模型。
- Agarwal和Bin建议使用异构图来测量社交媒体用户的可信度，将Twitter领域中的每个参与者表示为图中的一个顶点类型，并使用回归传播过程来测量可信度水平，但该方法忽略了加权方案和时间因素的重要性。
- 有研究提出信任传播方案，以预测面向服务的社交网络中消费者对服务提供商的信任值，同时考虑社交网络的结构属性，并利用度分布与信任分布之间的关联进行性能优化。
- TweetCred是一个用于实时数据动态中Twitter用户的支持向量机可信度排名推断框架。
- Abbasie等人提出了一种名为CredRank的算