基于beta密度函数的信任模型

信任是网上商务活动成功执行的基础,通过概率论原理建立了一种基于beta概率密度函数的信任模型.该模型考虑了交易系统中关于交易者的历史交易数据,通过科学和现实地处理这些交易数据来构造交易者的信任函数.同时模型考虑了推荐信息,通过有效的传递和组合来处理这些推荐信息.此外,模型引入了比较合理的时间退化因子.     

供应链成员间信任关系形成与演化研究

建立了供应链成员的信任估值模型,在此基础上分析了影响供应链成员间信任关系演化及合作关系稳定性的重要因素.研究表明:信任评估需要建立交易记录的跟踪机制;供应链成员间最终的信任均衡是演化博弈的结果,通过增加高信任的预期收益、降低高信任的成本、建立公平有效的利益与风险分摊机制以及提升双方对合作的重视程度能促进系统向高信任均衡演化.     

基于Bayes公式的信任评估

Bayes公式在很多学科、领域都有着广泛的应用.为了在教学中明确Bayes公式的形式和应用,以Bayes公式在信任评估中的应用为主题,开展专题研究.分别演示和推导了Bayes公式的事件形式在信任累积中的应用和Bayes公式的概率密度函数形式在P2P商业模式中的信任评估.文章既展现了基于Bayes公式的信任累积及虚拟环境下信任评估的过程,也体现了Bayes公式的灵活、有效的应用价值;这对Bayes公式的教学和科研都有一定的启迪价值.     

基于移动Agent的智能交易安全风险控制机制研究

在移动网络交易中,交易双方的互信是网络交易能够顺利进行的前提和关键,实体间的信任度量涉及到交易额、交易时间、消费实体个人相关信息及其对信任的风险态度等因素,通常难以准确地进行量化计算.为探明这种互信关系的本质特点,基于多Agent系统协同理论,提出了基于移动Agent的动态互信计算模型,实现了对信任的定性与定量的转换;...     

出版业逆向物流系统绩效的模糊综合评价

构建一个高效的逆向物流系统既是绿色理念的客观要求,也是降低成本、提高服务和管理水平、增强出版社竞争力的必然要求.然而,要精确给出经济效益、服务水平和管理水平这三个方面的绩效结果是比较困难的.模糊综合评价法是一种基于模糊数学的综合评标方法,能较好地解决模糊的、难以量化的问题,适合各种非确定性问题的解决.因此,可以利用模糊综合评价方法来评估出版业逆向网络系统绩效.     

电子商务环境下基于Multi-Agent的B2B信任评价模型研究

电子商务的发展为企业的合作提供了机遇,同时也带来了诸多挑战。企业在合作过程中表现出了许多问题,例如信任的缺失,缺乏可以合理全面测量企业信任度的方法等。本文运用Multi-agent技术,建立了结合企业基本信息的声誉评价Agent和结合特定交易信息的单次交易评价Agent的信任评价指标体系,并在此基础上构建了基于Multi-agent的B2B信任评价模型,最后进行了仿真实验。论文的研究对于企业在电子商务环境下选择合适的合作伙伴,解决合作中的信任问题,适应电子商务发展的需要具有一定的意义。     

基于网络商盟的信任交易管理机制研究

如何建立有效的信任交易管理机制是网络交易信任管理中的一个重要问题。在分析现有网络信任交易机制局限性的基础上,根据网络交易信任问题的特点和现实社会中商业联盟的特性,提出一种基于网络商盟的信任交易管理机制,建立事前防范,事中协调,事后惩罚三位一体的欺诈约束机制,保障网络交易的安全性。本研究有效解决三方面问题：1）解决新注册用户难以开展业务的问题;2）有效防止会员通过变换身份进行欺诈;3）降低网络交易平台仲裁的工作量。采用博弈理论分析该机制下的交易方行为,可以证明诚信交易是长期博弈的子博弈完美纳什均衡策略。     

P2P网络中搭便车行为研究

搭便车现象是P2P网络中普遍存在的问题,当网络中存在大量的搭便车节点时,会导致网络拥塞,降低网络性能,甚至导致整个系统崩溃.对目前主要的搭便车行为进行统计,分析搭便车行为产生的机理以及对网络造成的影响.从信任机制、激励机制、演化博弈和效用4个方面对搭便车行为抑制策略进行研究分析,并通过仿真实验对经典算法进行验证.最后对搭便车行为抑制机制的未来研究方向进行展望.     

融入用户社交关系与信任关系的应用推荐方法研究

随着近年来互联网技术的快速发展,应用获取平台都面临着信息过载的问题.面对大量应用,解决用户不能快速准确地找到满足其偏好的应用的问题迫在眉睫.已有的如Cosine、Pearson等协同过滤方法普遍存在稀疏性、冷启动和可扩展性等问题,从而对推荐结果产生影响.文章在考虑用户社交关系、偏好及信任关系的基础上,提出了融合用户社交关系与信任关系的应用推荐方法.该方法融合用户社交关系、点赞与标签等特征及其对应用的偏好计算相似度,并基于好友的信任关系与用户声誉计算信任度,最终将相似关系与信任关系进行有效结合,实现应用推荐.实验结果表明:所提应用推荐方法能更好的体现用户间的社交与信任关系,且能有效提高应用推荐的有效性与准确度.     

社区绩效影响因素的系统结构分析:基于信任与志愿精神视角

社区是社会管理的基本单元,其绩效的根源因素及其影响机制是人们关心的问题.基于信任和志愿精神视角,运用文献研究方法寻找社区绩效的影响因素,并结合ISM方法分析这些因素的系统结构,寻找影响社区绩效的根源因素及影响机制.研究表明,居民社团参与、社区文化、社会结构、居民人口特征、媒体使用及频率、基层政府管理模式以及居民对基层政府提供服务质量的期望与满意度是影响社区绩效的深层根源因素,其通过居民媒体信任、居民社会信任、居民基层政府信任、居民志愿精神、居民社区参与意识与行为以及居民社区自治意识与行为等中介变量来实现对社区绩效的影响.     

面向移动商务的多维异质推荐信任评估模型

针对移动商务环境下供应商信任缺失问题,建立了一种多维异质推荐信任评估模型。该模型实现了多种异质评价信息与直觉模糊信息的转换,较全面、细腻刻画了评价信息的主观性和模糊性。为了避免推荐者和信任属性的主观赋权带来的二次不确定性,给出了基于原始异质评价信息的熵权法。考虑到推荐者的相关领域熟悉程度,利用信心直觉模糊集成算子计算综合信任直觉模糊数,并依据相对接近度进行信任决策。最后,通过一个移动商务供应商的信任评估实例验证该模型的有效性和合理性。     

基于攻击传播性的分布式网络信任模型

根据分布式网络的特点及现有网络节点信任模型的不足,提出了基于攻击传播性的分布式网络信任模型。根据恶意节点攻击行为及其攻击传播性的特点,给出了在攻击具有传播性条件下的信任度更新计算方法,结合直接信任度和间接信任度计算出总体信任度,最后给出模型的计算协议及仿真实验。实验结果表明,该模型更逼近真实网络运行情况,并有效地避免恶意节点的攻击,提高文件成功传输的比率。该模型对于分布式网络环境下提高网络节点信任度评价的准确性,建立可信网络传输路径具有重要意义。     

非线性最小二乘问题的信赖域方法

本文提出一个新的非线性最小二乘的信赖域方法,在该方法中每个信赖域子问题只需要一次求解,而且每次迭代的一维搜索步长因子是给定的,避开一维搜索的环节,大大地提高了算法效率.文中证明了在一定的条件下算法的全局收敛性.     

一个新的MBFGS信赖域算法

本文研究了无约束最优化问题.利用MBFGS信赖域算法的基本思想,通过对BFGS校正公式的改进,并结合线搜索技术,提出了一种新的MBFGS信赖域算法,拓宽了信赖域算法的适用范围,并在一定条件下证明了该算法的全局收敛性和超线性收敛性.     

采用不定Dogleg路径的非单调自适应信赖域算法解无约束极小化(英文)

In this paper, we combine the nonmonotone and adaptive techniques with trust region method for unconstrained minimization problems. We set a new ratio of the actual descent and predicted descent. Then, instead of the monotone sequence, the nonmonotone sequence of function values are employed. With the adaptive technique, the radius of trust region △k can be adjusted automatically to improve the efficiency of trust region methods. By means of the Bunch-Parlett factorization, we construct a method with indefinite dogleg path for solving the trust region subproblem which can handle the indefinite approximate Hessian Bk. The convergence properties of the algorithm are established. Finally, detailed numerical results are reported to show that our algorithm is efficient.     

基于多元隐式信任关系挖掘的抗攻击社会化推荐算法研究

在商业竞争环境下,推荐系统容易受到托攻击的危害。基于信任关系的社会化推荐算法被证明是解决托攻击问题的有效途径。然而,现有研究仅考虑显式信任关系,隐式信任关系没有被真正挖掘利用。为此,提出了一种基于多元隐式信任关系挖掘的抗攻击社会化推荐算法。首先,借鉴社会学和组织行为科学领域的信任前因框架模型,从全局信任和局部信任两个视角深入研究各信任要素的提取和量化方法。然后,通过信任调节因子集成局部信任度和全局信任度获得用户总体信任度。最后,以用户总体信任度为依据将攻击用户隔离在可信近邻之外,实现基于信任关系的个性化推荐。大量对比实验表明,本文算法在改善推荐准确率的同时有效抑制了托攻击对推荐算法的影响。     

关于不等式约束的信赖域算法

对于具有不等式约束的非线性优化问题，本文给出一个依赖域算法，由于算法中依赖区域约束采用向量的∞范数约束的形式，从而使子问题变二次规划，同时使算法变得更实用。在通常假设条件下，证明了算法的整体收敛性和超线性收敛性。