导读:本文包含了间接信任论文开题报告文献综述及选题提纲参考文献，主要关键词:推荐算法,间接信任,用户偏好,信息熵
间接信任论文文献综述
朱佩佩,龙敏[1]（2019）在《基于用户间接信任及高斯填充的推荐算法》一文中研究指出现有的推荐算法引入用户显式信任,可以有效地提高推荐精度,但没有充分挖掘社交关系,而间接信任在社交信息中具有更加丰富的潜在价值,进一步影响到推荐质量。虽然对于间接信任也存在相关研究,但是计算复杂,采取的信任传递路径不充分。故此,通过信任传递网络图,将各分支节点与总路径节点比例经过逐节点相乘的方式全局获取信任间接值,然后采用信息熵分析用户社交信任关系的实际表现,调整信任,以形成间接信任的计算模型IpmTrust,并以此模型设计一种考虑用户间接信任的推荐算法GITCF。该算法利用高斯模型对评分矩阵进行填充,然后采用修正的余弦计算用户相似度。通过IpmTrust计算间接信任后,将用户信任与相似度进行一定线性加权融合,最后采用改进的近邻预测进行推荐。实验在Matlab仿真平台上进行,对RMSE,MAE两个指标评测,将GITCF与现有的推荐算法、传统推荐算法做比较。GITCF的推荐精度比现有推荐的推荐精度提高了近7%,也高于不含信任的传统推荐的推荐精度。实验结果表明,IpmTrust模型有一定的有效性,设计的推荐算法可改善推荐结果的质量。(本文来源于《计算机科学》期刊2019年S2期）
刘传军,廖江群[2]（2019）在《答复来邮:感知互动性直接和通过个人卷入与品牌信任间接促进品牌忠诚》一文中研究指出消费者感知到的与目标品牌的互动性会影响消费者的品牌忠诚,本研究指在探讨消费者的感知互动性如何促进品牌忠诚。从解释水平理论出发,消费者感知到的互动性越强意味着其解释水平越低,并且消费者对品牌的卷入越多,进一步促进了品牌信任和忠诚。这个过程中,社会距离逐步缩短。实验1(N=209)中,被试首先被随机分配一段某假设品牌与消费者之间互动程度的描述,被试被要求认真阅读该陈述之后尽可能直觉地回答后续问题,其中包括了自编的感知互动性条目,个人卷入量表和在线品牌忠诚量表。结果初步验证了感知互动性对品牌忠诚的促进作用,并且个人卷入在二者之间起部分中介作用。然而,在消费者对品牌建立起忠诚之前应当是先对其产生了信任。因此,品牌信任可能是另一个中介变量。实验2(N=357)使用了相同的实验程序和工具,并在测量中增加了一个品牌信任量表,在一个更大的样本中进行了施测。结果重复了实验1的发现,并且进一步分析发现,个人卷入与品牌信任在感知互动性与品牌忠诚之间起序列中介作用。总之,本研究表明消费者感知到的与目标品牌的互动性可以直接促进其品牌忠诚,也可以通过个人卷入与品牌信任间接促进其品牌忠诚。本研究拓展了解释水平理论的应用范围,首次应用于品牌忠诚的建构研究当中,并且研究突出了消费者主观感知到的互动性而非实际的互动性的作用。研究启示企业在品牌管理过程中,可能通过提升消费者感知到的互动性,增强个人卷入感,从而建立起消费者的品牌信任和品牌忠诚。(本文来源于《第二十二届全国心理学学术会议摘要集》期刊2019-10-19）
叶卫根,宋威[3]（2016）在《融合信任用户间接影响的个性化推荐算法》一文中研究指出为了解决推荐系统中固有的数据稀疏性和冷启动问题,通常会采用一些额外的与用户或是项目有关的信息。提出了一种新颖的基于矩阵因子分解的推荐算法,其结合了其他用户对于活动用户未来评分的间接影响作用,并进一步将社交网络中的信任关系融入到算法中。同时,为了避免学习参数时过度拟合,引入了一种加权的正规化因子。最后针对一般情况和冷启动情况,分别在Epinions数据集和Ciao数据集上进行了实验。实验结果表明,相比于其它相关算法,本算法在推荐准确性上有了很大的提高,同时能更好地解决相关问题。(本文来源于《计算机工程与科学》期刊2016年12期）
吴应良,姚怀栋,李成安[4]（2015）在《一种引入间接信任关系的改进协同过滤推荐算法》一文中研究指出【目的】解决传统协同过滤推荐算法中由于数据稀疏性等原因而导致的推荐质量恶化问题,需要对协同过滤推荐算法的推荐机制进行改进优化。【方法】利用社会网络分析中的凝聚子群分析技术挖掘隐含在信任网络中的间接信任关系,与直接信任加权融合成综合信任度,并将其融入用户相似度计算中。【结果】实验结果显示,信任关系中间接信任不容忽视,当间接信任以35%的比例与直接信任融合时,推荐效果比仅引入直接信任关系有进一步提升。【局限】在考虑信任网络中的间接信任时,忽略了用户之间多中介节点的间接信任情况对推荐精度的影响。【结论】引入间接信任关系的软集成可以提高协同过滤算法的推荐准确性。(本文来源于《现代图书情报技术》期刊2015年09期）
王舒,谭敏生,周欢,刘尖学[5]（2014）在《基于间接信任表的无线传感网络信任模型》一文中研究指出提出了一种基于间接信任表的应用于无线传感网络的信任模型,在节点进行交互时,考虑了间接信任可信度对间接信任值的影响,可信度越大的交易行为在信任值的计算中的参考价值也就越大。理论分析和仿真实验表明,该模型能更好的反映无线传感网络环境下节点间的本质联系,在交互成功率上有明显的提高。(本文来源于《网络安全技术与应用》期刊2014年12期）
梁平汉,孟涓涓[6]（2013）在《人际关系、间接互惠与信任:一个实验研究》一文中研究指出信任一互惠关系受到个人所处社会关系网络的影响。本文采用一个间接信任博弈实验,分析了人际关系和互惠期望对于个体基于偏好的间接互惠行为的影响。本文验证了基于偏好的间接互惠行为的广泛存在。研究发现,社会关系导致类似"爱屋及乌"的溢出现象,可以显着增大间接互惠的水平。同时,人际关系对于间接互惠行为的影响远大于通过信息传递所表达的对互惠行为期望的影响。在我们的实验环境中,引入社会关系所产生的正效应并没有损害关系之外他人的利益,这有利于社会总体的信任传递。(本文来源于《世界经济》期刊2013年12期）
席娜,徐术力[7]（2013）在《投票行为加权的间接信任评估方法TrustRank》一文中研究指出本文提出了一种基于投票行为加权的间接信任评估方法 TrustRank,通过对参与投票节点及其行为的量化分析,根据节点的不同权重和可信任度,计算出相应节点的间接信任等级,并给出了TrustRank方法的数学表达。(本文来源于《科技广场》期刊2013年09期）
龙毅宏,潘丹[8]（2009）在《基于模糊理论的间接推荐信任传递研究》一文中研究指出信任关系的建立是网络实体交互的前提和基础。文章针对信任的模糊性,在模糊理论的基础上,提出了一种间接推荐信任传递模型,不仅把模糊逻辑推理同信任传递结合起来,在无直接推荐时利用间接推荐得到实体间的信任值;而且利用图论知识找寻信任路径,解决了多路径信任评估的问题。该模型可以全面地评估实体的信任程度,很大程度上保障了网络实体行为的安全可靠。(本文来源于《武汉理工大学学报》期刊2009年16期）
间接信任论文开题报告
（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：
消费者感知到的与目标品牌的互动性会影响消费者的品牌忠诚,本研究指在探讨消费者的感知互动性如何促进品牌忠诚。从解释水平理论出发,消费者感知到的互动性越强意味着其解释水平越低,并且消费者对品牌的卷入越多,进一步促进了品牌信任和忠诚。这个过程中,社会距离逐步缩短。实验1(N=209)中,被试首先被随机分配一段某假设品牌与消费者之间互动程度的描述,被试被要求认真阅读该陈述之后尽可能直觉地回答后续问题,其中包括了自编的感知互动性条目,个人卷入量表和在线品牌忠诚量表。结果初步验证了感知互动性对品牌忠诚的促进作用,并且个人卷入在二者之间起部分中介作用。然而,在消费者对品牌建立起忠诚之前应当是先对其产生了信任。因此,品牌信任可能是另一个中介变量。实验2(N=357)使用了相同的实验程序和工具,并在测量中增加了一个品牌信任量表,在一个更大的样本中进行了施测。结果重复了实验1的发现,并且进一步分析发现,个人卷入与品牌信任在感知互动性与品牌忠诚之间起序列中介作用。总之,本研究表明消费者感知到的与目标品牌的互动性可以直接促进其品牌忠诚,也可以通过个人卷入与品牌信任间接促进其品牌忠诚。本研究拓展了解释水平理论的应用范围,首次应用于品牌忠诚的建构研究当中,并且研究突出了消费者主观感知到的互动性而非实际的互动性的作用。研究启示企业在品牌管理过程中,可能通过提升消费者感知到的互动性,增强个人卷入感,从而建立起消费者的品牌信任和品牌忠诚。
（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。
间接信任论文参考文献
[1].朱佩佩,龙敏.基于用户间接信任及高斯填充的推荐算法[J].计算机科学.2019
[2].刘传军,廖江群.答复来邮:感知互动性直接和通过个人卷入与品牌信任间接促进品牌忠诚[C].第二十二届全国心理学学术会议摘要集.2019
[3].叶卫根,宋威.融合信任用户间接影响的个性化推荐算法[J].计算机工程与科学.2016
[4].吴应良,姚怀栋,李成安.一种引入间接信任关系的改进协同过滤推荐算法[J].现代图书情报技术.2015
[5].王舒,谭敏生,周欢,刘尖学.基于间接信任表的无线传感网络信任模型[J].网络安全技术与应用.2014
[6].梁平汉,孟涓涓.人际关系、间接互惠与信任:一个实验研究[J].世界经济.2013
[7].席娜,徐术力.投票行为加权的间接信任评估方法TrustRank[J].科技广场.2013
[8].龙毅宏,潘丹.基于模糊理论的间接推荐信任传递研究[J].武汉理工大学学报.2009