导读:本文包含了信任度网络论文开题报告文献综述及选题提纲参考文献，主要关键词:相似性,节点信任度,PageRank,关键节点
信任度网络论文文献综述
王斌,王亚云,盛津芳,孙泽军[1]（2019）在《基于节点信任度的复杂网络关键节点识别》一文中研究指出识别复杂网络中的关键节点对理解网络结构及功能有重要意义,PageRank算法基于网络非结构信息,在识别关键节点方面取得了很好的成效,但PageRank算法采用平均分配策略,即将节点的PageRank值平均分配给相邻节点,与实际认知存在偏差.本文考虑网络的结构及属性信息提出节点相似性比例和相邻度比例,进而提出节点信任度,网络中信任度值越大的相邻节点可以获得更多的贡献值.将节点信任度引入到PageRank算法中,构建了一种关键节点识别算法TPR(Trust-PageRank).实验部分选取真实网络利用SIR传染病模型进行评价,将TPR与度中心性,介数中心性,PageRank,HITS算法结果进行对比,实验结果表明该算法能合理有效地识别关键节点,并且在SIR初始传播和识别重要度相当的节点时有一定优势.(本文来源于《小型微型计算机系统》期刊2019年11期）
李晓,余娟,汪海红,王亚娟[2]（2019）在《网络依赖对大学生职业决策困难的影响——以网络信息信任度为中介》一文中研究指出采用随机分层抽样方法,使用网络依赖问卷、网络信息信任度问卷和职业决策困难问卷对665名大学生进行问卷调查,使用结构方程模型对大学生网络依赖、网络信任度和职业决策困难之间关系进行分析,以探讨网络信息信任度在网络依赖与大学生职业决策困难间的中介作用。结果显示:网络依赖与网络信息信任度、职业决策困难呈显着正相关(r>0.17,P<0.01),网络信息信任度在网络依赖与大学生职业决策困难之间起到部分中介作用(直接效应为0.187,95%置信区间为0.106～0.268,P=0.007,中介效应量为18.34%)。因此,网络依赖会导致大学生职业决策困难,并且因网络信息信任高等因素加重职业决策困难程度。(本文来源于《扬州大学学报(高教研究版)》期刊2019年05期）
杨雅[3]（2019）在《后学科视角下基于信任度的网络视频直播效果评价体系研究》一文中研究指出本研究在探索网络视频直播效果综合评价体系的前提下,突出网络视频直播的社交属性,并在传统的社交平台意见领袖研究与认知神经科学实验信任评估测量基础上,从技术逻辑、产业逻辑和社交逻辑叁个维度,以"接触-认知-说服-二次传播"模型为基础,提出网络视频直播效果评价体系,并探讨具身认知研究信任度的可能性,从而为国内网络视频直播平台的研究提供新的探讨维度。(本文来源于《当代传播》期刊2019年05期）
宋扬,肖志强,左秋月[4]（2019）在《基于BP神经网络的跨境电商消费者信任度评价研究》一文中研究指出跨境电子商务发展空间巨大,但在发展过程中存在欺诈、虚假交易等信任问题。本文建立了跨境电子商务消费者信任度评价模型,包括诚实、善意和能力叁个方面。采用BP神经网络技术,选择8组数据作为训练样本,2组数据作为测试样本,从实验结果上看,模型稳定性较好,具备有效性。可以利用该消费者信任度模型计算跨境电商平台的信任度。(本文来源于《辽宁经济》期刊2019年06期）
张创基[5]（2019）在《基于BP学习的P2P网络信任度评价模型优化》一文中研究指出由于P2P营销网络中随机性和模型固态性因素的存在,导致信任度评价误差较大。提出一种基于自适应BP神经网络加权学习的P2P网络商家信任度评价模型。采用网络爬虫和关联规则挖掘方式实现P2P网络信任度评价的关联大数据信息采样,以卖家商业信誉、网络平台可靠性和网络环境安全性一级指标,将原始网络信任度特征量输入到BP神经网络中,设置信任度评价模型的模糊约束参量,采用极限自适应学习算法得到信任度评价全局最优解,挖掘P2P网络商家信任度的关联规则特征量,实现对网络信任度的优化评价。仿真结果表明,采用该方法进行P2P网络商家信任度评价的准确性较高,置信度水平较好,对信任度关联数据挖掘的准确性较好。(本文来源于《国外电子测量技术》期刊2019年06期）
孔庆波[6]（2019）在《网络用户信任度评价模型中层次分析法的应用》一文中研究指出社会的不断进步推动着网络和计算机技术的发展,从目前的社会现状来看,各大网络运营平台都将关注热点和工作重点转移至用户之间信任关系的充分挖掘之中。基于此,本文提出以用户信息为评价指标促进用户信任度评价模型建立的方法,并在模型的构建过程中应用层次分析法,在最大程度上解决多指标权重设定中人为主观因素多方干扰的问题,希望能对行业的整体发展起到一定的借鉴和促进作用。(本文来源于《计算机产品与流通》期刊2019年06期）
李梦洁[7]（2018）在《基于信任度评估的社交网络用户相似性研究》一文中研究指出信息时代里的社交媒体服务掀起了二十一世纪初期的一场科技革命,层出不穷的社交媒体应用和其巨大的市场潜力引发创业狂潮。这些应用让生活在地球不同角落的人们通过互联网联系在一起,交际成本从几万公尺缩短到分秒之间。让用户可以在茫茫人海中找到志同道合的人,并且能够准确、高效地寻觅到他感兴趣的信息是很必要的。现有的社交网络用户相似度算法通常涉及发布内容、用户信息以及用户间交互关系等多个因素,但大都忽略了用户之间的信任程度对所得相似用户价值的影响。本文对社交网络中用户信任情况提出RI-Rrust模型,从初始信任度以及熟悉性信任度两个维度对用户之间的信任关系进行评估,使用0到1的连续值描述用户之间的信任程度,并引入声誉信任度来处理冷启动问题。在用户相似度的分析中,对文本相似度这一重要指标提出基于关键词相似度的交叉匹配的策略,对文本进行去噪、分词及去除停用词的预处理后,使用TF-IDF将文本映射到向量空间,采用基于同义词词林的语义分析法对分词后的关键词进行交叉计算相似度,该方法能够忽略微博文本中词序、句法和整体语义的影响,可以更高效地分析博文之间的相似程度。使用层次分析法对多个相似度指标进行权重分析并综合评价。最后,提出基于信任度评估的用户相似性算法,通过在相似度计算中引入信任因子,提高了用户相似度的可靠性,筛选掉大量沉默用户及垃圾用户,获得更加有推荐价值的相似用户。我们使用社交网站真实用户数据设计实验,系统性地对比了基于信任度评估的用户相似性计算方法与改进前的算法的准确率、召回率和F1度量值,从实验结果可以看出:引入了信任因子的相似用户算法得出的用户相似度的F1度量值与传统的相似用户算法相比提高了36.8%,说明了基于信任度评估的用户相似性算法的优越性。(本文来源于《南京邮电大学》期刊2018-11-14）
张继东,杨杨[8]（2018）在《基于用户偏好和信任度的移动社交网络社区聚类模型》一文中研究指出[目的/意义]随着移动社交网络规模的不断扩大,移动社交网络结构日益复杂,如何高效准确地挖掘网络社区的结构及其潜在特征成为目前社交领域研究的热点。[方法/过程]针对已有社区发现算法存在忽视节点相似性且对于节点之间的关系特征描述较为单一的问题,提出了一种基于用户偏好和信任度的移动社交网络社区聚类模型。该模型综合考虑了移动社交网络中节点的关系强度、节点相似性及交互信息相似性,通过计算节点间的关系信任度、相似信任度和偏好相似度并基于节点信任和节点偏好的总相似度来实现移动社交网络社区的划分。此外,主要从结构内聚性和偏好内聚性来对社区聚类结果进行质量评估。[结果/结论]实验结果表明,与经典的社区划分算法相比,提出的聚类算法在满足社区结构内聚性要求的前提下,能够有效划分出潜在的偏好内聚性较高的社区。(本文来源于《情报杂志》期刊2018年10期）
国腾飞,庞明宝[9]（2018）在《诱导信息信任度对道路网络交通流影响研究》一文中研究指出为研究车联网下驾驶员对诱导信息的不同信任度对路网交通流的影响,在对驾驶员特性和路径决策行为分析的基础上,建立车联网下路径选择决策模型,采用元胞自动机进行仿真,模拟不同信任度情况下的道路运行状况。结果表明,随驾驶员对诱导信息的信任度及车联网装载率的提高,交通流分配合理性和道路通行效率有明显提高。(本文来源于《交通科技》期刊2018年03期）
徐常福[10]（2018）在《基于领域主题与拓扑特征的社交网络用户信任度预测研究》一文中研究指出随着计算机技术的快速发展和社交媒体的普及,社交网络已经成为人们相互结识与交流、进行信息传播与共享的主要方式之一。然而,在网络社交的过程中,人们不需要直接面对面的交流,并且所进行社交的用户往往都是陌生人。因此,研究预测社交网络中用户的信任度尤为重要。在社交网络用户信任度预测研究的领域中,已有的大部分信任度预测方法仅仅利用了网络中的用户语义信息或拓扑特征,且所构造的用户信任信息往往存在主观、不稳定和难以获取等特性。此外,这些信任度预测方法通常仅适用于小规模网络或在大规模网络上效益低下。针对这些问题,本论文提出了一种社交网络用户信任度的综合式预测算法——基于领域主题与拓扑特征的信任度预测算法TI-TS-TP(Trust Inference Algorithm Based on Topic Similarity and Trust Propagation,TI-TS-TP)。该算法综合考虑了网络中用户的领域主题和节点的拓扑特征,定义了用户领域主题加权相似度和节点信任传播能力两个指标来度量用户的信任度,设计了一种基于层次的综合策略TS-TP(Consider the Weighted Topic Similarity first and then the Trust Propagation Ability,TS-TP)。然后通过筛选用户可信任的top-k邻居和基于限制深度为L、信任阈值为的广度优先搜索-,从原始社交网络中提取出用户间的强信任路径集,并在此强信任路径集的基础上,采用四种信任度整合策略计算出用户之间的信任度。最后,为验证TI-TS-TP算法的有效性,在公共真实的社交网络数据集上进行了多方面的实验测试。实验结果表明:与典型的信任度预测算法相比,TI-TS-TP算法在信任预测精度上有显着提高,并具有相同等级的计算时间复杂度;与全遍历的信任度预测算法相比,其计算效率大幅提高,同时在信任预测精度上仅有甚微的降低。社交网络用户的信任度预测研究有助于用户在网络社交过程中正确判断用户或服务是否可信,从而进一步做出是否进行交互、与谁交互的决定。此外,本论文设计了一种基于层次的综合策略TS-TP和提出了一种社交网络用户信任度的综合式预测算法TI-TS-TP,对社交网络分析、网络安全等学术领域研究具体重要的参考意义。(本文来源于《江西财经大学》期刊2018-06-01）
信任度网络论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
采用随机分层抽样方法,使用网络依赖问卷、网络信息信任度问卷和职业决策困难问卷对665名大学生进行问卷调查,使用结构方程模型对大学生网络依赖、网络信任度和职业决策困难之间关系进行分析,以探讨网络信息信任度在网络依赖与大学生职业决策困难间的中介作用。结果显示:网络依赖与网络信息信任度、职业决策困难呈显着正相关(r>0.17,P<0.01),网络信息信任度在网络依赖与大学生职业决策困难之间起到部分中介作用(直接效应为0.187,95%置信区间为0.106～0.268,P=0.007,中介效应量为18.34%)。因此,网络依赖会导致大学生职业决策困难,并且因网络信息信任高等因素加重职业决策困难程度。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
信任度网络论文参考文献
[1].王斌,王亚云,盛津芳,孙泽军.基于节点信任度的复杂网络关键节点识别[J].小型微型计算机系统.2019
[2].李晓,余娟,汪海红,王亚娟.网络依赖对大学生职业决策困难的影响——以网络信息信任度为中介[J].扬州大学学报(高教研究版).2019
[3].杨雅.后学科视角下基于信任度的网络视频直播效果评价体系研究[J].当代传播.2019
[4].宋扬,肖志强,左秋月.基于BP神经网络的跨境电商消费者信任度评价研究[J].辽宁经济.2019
[5].张创基.基于BP学习的P2P网络信任度评价模型优化[J].国外电子测量技术.2019
[6].孔庆波.网络用户信任度评价模型中层次分析法的应用[J].计算机产品与流通.2019
[7].李梦洁.基于信任度评估的社交网络用户相似性研究[D].南京邮电大学.2018
[8].张继东,杨杨.基于用户偏好和信任度的移动社交网络社区聚类模型[J].情报杂志.2018
[9].国腾飞,庞明宝.诱导信息信任度对道路网络交通流影响研究[J].交通科技.2018
[10].徐常福.基于领域主题与拓扑特征的社交网络用户信任度预测研究[D].江西财经大学.2018