[发明专利]基于强弱联系反馈的多媒体社交网络信誉值计算方法

权利要求书

1.一种基于强弱联系反馈的多媒体社交网络信誉值计算方法，其包括如下步骤： 

(1)初始化：将多媒体社交网络中用户信誉值的初始值设定为0.5，将用户的内容评价值和行为评价值设定为0.5，将用户的内容评价状态值和行为评价状态值设定为0； 

(2)划分强联系和弱联系用户： 

(2a)按下式计算用户U_i和用户U_j的同质性： 

H=R·S 

其中，H表示用户U_i和用户U_j的同质性，R表示用户U_i的信誉值，R∈[0,1]，S表示用户U_i和用户U_j的属性相似度，S∈[0,1]； 

(2b)按照帕累托分布计算用户强联系和弱联系用户划分值： 

其中，d表示强联系和弱联系用户的划分值； 

(2c)当H≤d时，用户U_j为用户U_i的弱联系用户；当H＞d时，用户U_j为用户U_i的强联系用户； 

(2d)划分多媒体社交网络中强联系和弱联系用户：判断用户U_j到用户U_i最短路径，若小于等于3跳且最短路径上的用户均为用户U_i的强联系用户，则用户U_j为用户U_i的强联系用户；反之，用户U_j为用户U_i的弱联系用户； 

(3)计算内容评价值： 

(3a)强联系和弱联系用户在信誉周期内对目标用户U_x分享的内容进行1次内容质量评价，并上传评价值给目标用户； 

(3b)设定目标用户U_x的内容评价值为目标用户的平均内容评 价状态值的均值，按照下式计算内容评价值： 

其中，C表示目标用户的内容评价值，p_i表示强联系用户U_i的内容评价值，q_j表示弱联系用户U_j的内容评价值，m表示强联系用户数，n表示弱联系用户数； 

(3c)存储内容评价值到目标用户的信任数据库中； 

(4)计算行为评价值： 

(4a)强联系用户在信誉周期内对目标用户U_x行为进行1次行为评价，并将s个行为评价状态值的抽样结果反馈给目标用户U_x； 

(4b)设定目标用户的行为评价值为评价行为评价状态值的抽样结果的均值，按照下式计算行为评价值： 

其中，B表示目标用户的行为评价值，表示强联系用户第i次抽样的平均行为评价状态值，s表示抽样次数； 

(4c)存储行为评价值到目标用户的信任数据库中； 

(5)计算阶段评价值： 

(5a)采用贝叶斯估计计算目标用户的阶段评价值： 

其中，E表示目标用户的阶段评价值，s表示抽样次数，δ²表示强联系用户平均行为评价状态值的方差，θ²表示平均内容评价状态值的方差； 

(5b)存储阶段评价值到目标用户的信任数据库中； 

(6)更新信誉值： 

(6a)目标用户U_x确定信誉值时采用衰落窗口机制，并根据多个信誉周期的阶段评价值和衰落窗口计算信誉值； 

(6b)按照下式计算目标用户的信誉值 

其中，R表示目标用户的信誉值，E(l)表示第l个信誉周期的阶段评价值，E(0)表示初始阶段评价值，Win(l)表示l的窗口权重值，|Win|表示窗口大小，t表示当前信誉周期的序号； 

(6c)存储信誉值到目标用户的信任数据库中。 

2.根据权利要求1所述的基于强弱联系反馈的多媒体社交网络信誉值计算方法，其中步骤(2a)所述的强联系和弱联系用户的属性相似度计算如下： 

其中，S表示两用户的属性相似度，I、J分别表示用户U_i和用户U_i的邻居用户集合。