網(wǎng)上拍賣具有匿名性、動態(tài)性、隨機性的特點,交易方僅通過虛擬網(wǎng)絡來交換信息,缺乏信任基礎,可能導致交易存在較大的風險。本文提出了一種新的網(wǎng)上拍賣信任機制,它基于已提出的信任機制,完善信任影響因素,添加了交易金額、交易時間、評價可信度因素,并融入了獎懲機制。通過本文提出的基于聲譽的網(wǎng)上拍賣信任機制可以獲得商家信任度,用戶根據(jù)商家信任度高低選擇與商家是否進行交易。本文選取現(xiàn)有的信任模型作為仿真對比,驗證了本文信任機制可以有效預防共謀等惡意行為。與此同時,網(wǎng)絡信息繁多,一些網(wǎng)絡用戶常常被復雜冗余的信息所困擾。而基于信任管理下的網(wǎng)上拍賣系統(tǒng)它能夠為用戶提供個性化的推薦服務。其中,協(xié)同過濾推薦是最流行的一種推薦技術。但是,傳統(tǒng)協(xié)同過濾推薦具有冷啟動,數(shù)據(jù)稀疏,擴展性以及托攻擊的弊端。本文對現(xiàn)有協(xié)同過濾推薦算法進行改進,實現(xiàn)了一個結合信任的協(xié)同過濾的推薦。結合信任的協(xié)同過濾推薦算法,首先需要建立競價用戶的項目評分矩陣,然后將相似度與信任度結合來尋找用戶最近鄰,為用戶未評分項目實現(xiàn)預測評分,再根據(jù)預測評分高低為用戶提供精準推薦。最后,本文通過計算MAE值對結合信任的協(xié)同過濾推薦算法準確度進行衡量。
【學位單位】：中國礦業(yè)大學
【學位級別】：碩士
【學位年份】：2020
【中圖分類】：TP391.3
【部分圖文】：

4結合信任的協(xié)同過濾推薦31圖4-2結合信任的協(xié)同過濾推薦流程Figure4-2Collaborativefilteringrecommendationprocesscombiningtrust4.5信任度計算（TrustCalculation）拍賣中，參與競價的用戶都可以對項目進行評分，這個評分來自競價用戶對商品的喜好度，而不再僅僅是競拍成功者可以對項目進行反饋評分。這在一定程度上解決了數(shù)據(jù)稀疏問題。用戶間信任分為直接與間接信任。直接信任[58]通過兩用戶共同評分項目表現(xiàn)信任關系如圖4-3。間接信任通過信任傳遞表現(xiàn)信任關系如圖4-4。圖4-3直接信任關系Figure4-3Directtrustrelationship系統(tǒng)數(shù)據(jù)庫推薦器組件相似度推薦系數(shù)選擇鄰居用戶生成推薦用戶接口推薦結果信任度用戶

工程碩士專業(yè)學位論文32圖4-4間接信任關系Figure4-4Indirecttrustrelationship4.5.1直接信任度計算①初始直接信任度拍賣中，兩用戶交互次數(shù)越多，代表他們之間信任度越高。因此可以得到初始直接信任度：(,)=()（4.4）(,)是初始信任度。是用戶u,v已經(jīng)交互的次數(shù)。閾值D表示兩個完全互相信任的用戶最少交互次數(shù)。②調(diào)節(jié)后直接信任度拍賣中，兩用戶對商品喜好度評分的不同會影響信任度。(,,)={1,|,,|≤0,|,,|>（4.5）一次拍賣競價中，若兩個參與競價的用戶對商品喜好度評分之差小于等于，則認為這次交互成功（success+1）反之失�。╢ailure+1）。實際上，信任隨成功交互次數(shù)增加而增大，隨失敗交互次數(shù)增加而減校交互中，雙方用戶會隨時對信任度進行調(diào)整。調(diào)節(jié)后直接信任度如下：(,)′=(,)+（4.6）③最終直接信任度系統(tǒng)應該區(qū)分用戶對項目的興趣程度。在上述公式4.6中，成功或者失敗交互在計算中分配權重是相同的。事實上，用戶對項目感興趣程度對于提升信任度多少是有差異的。不同成功交互產(chǎn)生的積極影響不同。不同失敗交互產(chǎn)生的消極影響也不同。我們依據(jù)項目喜好度為項目分配不同權重，得到最終信任度如下：

工程碩士專業(yè)學位論文385信任管理在網(wǎng)上拍賣中的應用5ApplicationofTrustManagementinOnlineAuction5.1算法應用（ApplicationofAlgorithm）信任管理在系統(tǒng)的實際應用之一就是給用戶以合理可信并且符合用戶需求的推薦。系統(tǒng)中對該算法思想加入的主體代碼截圖如下：5.1.1計算用戶最近鄰圖5-1尋找最近鄰代碼Figure5-1Findnearestneighborcode圖5-1給出了結合信任的協(xié)同過濾推薦算法尋找最近鄰集合的代碼。通過getUserSim()函數(shù)可以得到用戶間綜合相似度，這里的綜合相似度是指用戶信任度以及用戶相似度加權而得。再依據(jù)綜合相似度高低選出用戶最近鄰集合。5.1.2預測評分產(chǎn)生推薦
【參考文獻】

相關期刊論文 前10條

1 季玉茹;王德忠;;基于ASP的網(wǎng)上拍賣系統(tǒng)的設計[J];電腦知識與技術;2015年06期

2 吳應良;姚懷棟;李成安;;一種引入間接信任關系的改進協(xié)同過濾推薦算法[J];現(xiàn)代圖書情報技術;2015年09期

3 伍之昂;王有權;曹杰;;推薦系統(tǒng)托攻擊模型與檢測技術[J];科學通報;2014年07期

4 龍宇;童向榮;;結合信任的推薦系統(tǒng)的性質(zhì)[J];計算機應用;2014年01期

5 汪京培;孫斌;鈕心忻;楊義先;;基于參數(shù)建模的分布式信任模型[J];通信學報;2013年04期

6 湯志海;陳淑紅;王國軍;;基于群組的C2C電子商務信任模型研究[J];計算機工程;2012年23期

7 范艷峰;楊志曉;;一種可信網(wǎng)絡中敏感的直接信任度計算模型[J];計算機應用研究;2012年07期

8 陳勝利;;“托”出價下幾種拍賣方式比較研究[J];華中師范大學學報(自然科學版);2012年03期

9 甘早斌;丁倩;李開;肖國強;;基于聲譽的多維度信任計算算法[J];軟件學報;2011年10期

10 周挺;;Ad hoc網(wǎng)絡中一種基于身份的可度量分布式信任模型方案的探析[J];計算機與網(wǎng)絡;2010年22期

相關博士學位論文 前3條

1 李強;開放網(wǎng)絡環(huán)境下信任關系建模與管理問題研究[D];西安電子科技大學;2016年

2 胡俞;人際信任論[D];武漢大學;2011年

3 郭亞軍;普適計算安全的關鍵技術研究[D];華中科技大學;2006年

相關碩士學位論文 前3條

1 李婷婷;基于制度信任的C2C交易雙方互信的影響因素研究[D];中南大學;2013年

2 尹普;基于Sporas模型的C2C信譽評價研究[D];北京化工大學;2012年

3 方士敏;信任問題的社會學研究[D];哈爾濱工程大學;2006年

本文編號：2891494