7、面向服务的复杂系统中动态信任的建模与挖掘

面向服务的复杂系统中动态信任的建模与挖掘

1. 社区平衡模型

在专业环境中，平衡社区对于工作负载的分配至关重要，同时也有助于那些参与不稳定的参与者和新成员融入社交社区。以某场景为例，网络中的负载需要在所有成员之间实现平衡。一方面，声誉高的参与者不应被大量请求淹没；另一方面，新成员和声誉较低的参与者应该有机会提升自己在社区中的地位和知名度。因此，需要一种机制，让参与者不仅能基于信任选择专家，还能考虑其他影响因素，这可以通过信任权衡模型来实现。

权衡模型的适用性高度依赖于具体的领域和环境。例如，非营利性社交网络平台和商业导向的帮助支持网络，其权衡模型会有本质区别。因此，平衡模型可分为以下两类：
- 商业导向模型 ：依赖自由经济机制，如供求关系。在这种模型中，高需求的服务（通常来自声誉高的参与者）会让消费者付出更高成本。在某场景里，提供可靠成功支持的参与者可获得奖励，而与其他专家互动则需付费。这种机制一方面激励参与者表现出可信赖的行为，另一方面促使消费者在网络中分配请求。
- 社会导向模型 ：常见于免费开放的社交平台，通过互惠概念来平衡社区。互惠反映了从网络中获得的利益与所做贡献的比例。在非商业版本的某网络中，这种互惠概念可作为一种“软访问控制系统”，评估参与者可联系和互动的网络成员。

对于这两种平衡模型，可靠的互动行为和对社区成员的及时支持都会得到奖励。在大规模面向服务架构（SOA）环境中，实现自动奖励非常有益。例如，通过跟踪请求是否得到响应以及处理请求的平均时间等服务质量（QoS）指标，可在一定程度上自动跟踪参与者的贡献。

1.1 商业导向模型