專利名稱：一種分布式環(huán)境下信譽(yù)度評(píng)價(jià)方法
技術(shù)領(lǐng)域：
本發(fā)明涉 及一種分布式環(huán)境下的信譽(yù)度評(píng)價(jià)方法，屬于計(jì)算機(jī)網(wǎng)絡(luò)、信譽(yù)系統(tǒng)、信譽(yù)欺騙等技術(shù)領(lǐng)域。
背景技術(shù)：
在當(dāng)代的計(jì)算機(jī)應(yīng)用中，互聯(lián)網(wǎng)扮演著越來越重要的角色，隨著互聯(lián)網(wǎng)應(yīng)用，特別是電子商務(wù)的高速發(fā)展，人與人在基于網(wǎng)絡(luò)的虛擬世界中的交互變得越來越頻繁，那么在我們與一個(gè)陌生人進(jìn)行交互時(shí)，這位陌生人“是否可以信任”，是一個(gè)不得不面對(duì)的問題， 對(duì)于一個(gè)可以信任的人，我們可以與其交互更多的信息，從而雙方都能獲得更多的利益，相反，對(duì)于一個(gè)不可以信任的人，我們可以不與其進(jìn)行交互，從而避免不必要的損失。如何在基于網(wǎng)絡(luò)的虛擬世界中了解和我們交易的潛在陌生人是否可以信任呢？信譽(yù)系統(tǒng)就在這種背景下應(yīng)運(yùn)而生了。信譽(yù)系統(tǒng)的核心是信譽(yù)系統(tǒng)模型，現(xiàn)有信譽(yù)系統(tǒng)模型對(duì)信譽(yù)度進(jìn)行評(píng)價(jià)的基本思想是在每次完成交易后讓服務(wù)提供者與服務(wù)消費(fèi)者相互投票，通過使用特定提供者或消費(fèi)者所收到的投票集合獲得一個(gè)信任或信譽(yù)分?jǐn)?shù)，目前已經(jīng)被提出的信譽(yù)系統(tǒng)模型有簡單求和平均模型，以及在此基礎(chǔ)上提出一個(gè)新的投票匯集方法的SPORAS模型，基于多信息源構(gòu)建的FIRE模型，以向量空間模型為核心的Referral System,以概率理論為基礎(chǔ)的 TRAVOS模型等。其中，簡單求和模型已經(jīng)被很廣泛的使用，它的一個(gè)具有代表性的例子就是eBay的信譽(yù)系統(tǒng)。其它的模型也已經(jīng)有比較完善的理論基礎(chǔ)，但是他們的應(yīng)用還不夠廣泛。這些模型的引入在一定程度上約束了虛擬環(huán)境中服務(wù)提供者的行為，能夠比較好的懲罰服務(wù)提供者的欺騙行為，鼓勵(lì)他們提供誠實(shí)可信的服務(wù)。然而，常見的信譽(yù)度評(píng)價(jià)方法都是用一個(gè)具體的數(shù)字來表示信譽(yù)值，如eBay，淘寶網(wǎng)采用的信譽(yù)模型，便是將反饋信息中的用戶滿意度簡單的加權(quán)平均，得出一個(gè)數(shù)值，表示商家的信譽(yù)度。這種簡單的數(shù)值表示，不能很好的表征商家的信譽(yù)情況，如兩個(gè)商家具有相同的信譽(yù)值4，其中一個(gè)商家的交易次數(shù)為100，其中95次誠實(shí)交易為小金額交易，5次欺騙交易為大金額交易；另一個(gè)商家的交易次數(shù)為90，沒有欺騙行為，其中20次為大金額交易， 很顯然第二個(gè)商家比第一個(gè)商家要更可靠。另外，不同的服務(wù)消費(fèi)者都有自己的個(gè)性化需求，僅僅依賴一個(gè)信譽(yù)值很難讓服務(wù)消費(fèi)者選擇出最適合自己的服務(wù)提供者，所以不利于提高交互環(huán)境中的平均收益。

發(fā)明內(nèi)容
本發(fā)明的目的是針對(duì)現(xiàn)有信譽(yù)度評(píng)價(jià)方法的不足，提出一種在分布式環(huán)境下信譽(yù)度的評(píng)價(jià)方法，用向量來描述服務(wù)提供者的信譽(yù)值，以對(duì)服務(wù)提供者的信譽(yù)度做出全面和科學(xué)的評(píng)價(jià)，便于消費(fèi)者選擇最合適的服務(wù)提供者。本發(fā)明涉及到的相關(guān)概念包括定義1.節(jié)點(diǎn)(node)，計(jì)算機(jī)網(wǎng)絡(luò)是由一系列的終端節(jié)點(diǎn)構(gòu)成，他們之間的交互統(tǒng)稱為交易，節(jié)點(diǎn)之間的關(guān)系有鄰居關(guān)系、交易關(guān)系。環(huán)境中的節(jié)點(diǎn)既可以為交易發(fā)起者(服務(wù)消費(fèi)者)，也可以為交易接收者(服務(wù)提供者)。 定義2.可靠性(reliability)，一個(gè)節(jié)點(diǎn)的可靠性，就是指與之交易達(dá)到期望目標(biāo)的可能性。服務(wù)節(jié)點(diǎn)Proj向消費(fèi)節(jié)點(diǎn)Coni提供了某種服務(wù)后，Coni便會(huì)了解pr0j的服務(wù)優(yōu)劣情況，這種具體服務(wù)優(yōu)劣情況即服務(wù)節(jié)點(diǎn)prh的可靠性。消費(fèi)節(jié)點(diǎn)在選擇交易服務(wù)節(jié)點(diǎn)時(shí)，服務(wù)節(jié)點(diǎn)的可靠性是很重要的一個(gè)參考指標(biāo)。定義3.信任度(trust)，一個(gè)查詢節(jié)點(diǎn)對(duì)一個(gè)被查詢節(jié)點(diǎn)的信任度，表示查詢節(jié)點(diǎn)對(duì)從被查詢節(jié)點(diǎn)處收集來的信譽(yù)信息是真實(shí)準(zhǔn)確的信心指標(biāo)，這個(gè)指標(biāo)將直接影響對(duì)這些信息的使用。消費(fèi)節(jié)點(diǎn)Coni對(duì)其鄰居節(jié)點(diǎn)Iieighbork的信任度，是指Coni對(duì)從Iieighbork 處收集到的反饋信息的信任情況。定義4.評(píng)價(jià)信息(rank information)，是指交易完成后，服務(wù)消費(fèi)者節(jié)點(diǎn)Coni根據(jù)服務(wù)提供者節(jié)點(diǎn)Proj的實(shí)際可靠性，做出的評(píng)價(jià)。在本發(fā)明中，該評(píng)價(jià)是一條向量記錄， 在分布式網(wǎng)絡(luò)環(huán)境里，該評(píng)價(jià)記錄是存儲(chǔ)在Coni的本地，當(dāng)Coni的鄰居節(jié)點(diǎn)向其發(fā)送請(qǐng)求時(shí)，con,便會(huì)共享其評(píng)價(jià)記錄給鄰居節(jié)點(diǎn)。本發(fā)明提供了一種分布式環(huán)境下信譽(yù)度評(píng)價(jià)方法，包括以下步驟步驟1)每個(gè)節(jié)點(diǎn)在本地保存每次交易的評(píng)價(jià)信息和所有鄰居節(jié)點(diǎn)的信任度信息；其中評(píng)價(jià)信息為評(píng)價(jià)向量，結(jié)構(gòu)如下(cCustomerID, cProviderlD, iAmount, iRankTime, iRepScore, iUnitPrice)其中，cCustomerID，cProviderlD分別代表服務(wù)消費(fèi)者節(jié)點(diǎn)、服務(wù)提供者節(jié)點(diǎn)在環(huán)境中的唯一標(biāo)識(shí)符；iAmount表示此次交易的交易量大??；iRankTime則是評(píng)價(jià)的時(shí)間， iRepScore是給出的評(píng)價(jià)分?jǐn)?shù)即可靠性；iUnitPrice是交易時(shí)雙方達(dá)成的物品單價(jià)；信任度信息為信任度向量，結(jié)構(gòu)如下(cCustomerID, cNeighborCustomerID, iTrustScore, iRankTime)其中，cNeighborCustomerID為鄰居節(jié)點(diǎn)環(huán)境中的唯一標(biāo)識(shí)符；iTrustScore為節(jié)點(diǎn)cCustomerID對(duì)其鄰居節(jié)點(diǎn)cNeighborCustomerID的信任度評(píng)價(jià)；iRankTime為評(píng)價(jià)時(shí)間；步驟2)進(jìn)行交易前，服務(wù)消費(fèi)者Coni首先向其所有鄰居節(jié)點(diǎn)發(fā)送請(qǐng)求，詢問鄰居節(jié)點(diǎn)對(duì)潛在的服務(wù)提供者的評(píng)價(jià)；步驟3)鄰居節(jié)點(diǎn)如果有與潛在的服務(wù)提供者Proj的交互經(jīng)驗(yàn)，則將對(duì)應(yīng)的評(píng)價(jià)向量返回給服務(wù)消費(fèi)者Coni ；步驟4)服務(wù)消費(fèi)者Coni收集潛在的服務(wù)提供者pr0j的自評(píng)信息；步驟5)依次計(jì)算出每個(gè)潛在的服務(wù)提供者節(jié)點(diǎn)Proj的信譽(yù)度向量，結(jié)構(gòu)如下(cCustomerID, cProviderlD, iTotalAmount, iAvgPrice, iPositiveNum, iNegativeNum, iRepValue)其中iTotalAmount為從所有反饋信息中統(tǒng)計(jì)出的關(guān)于cProviderlD的總交易量， iAvgPrice為交易均價(jià)，iPositiveNum為正面評(píng)價(jià)次數(shù)，iNegativeNum為負(fù)面評(píng)價(jià)次數(shù)； iRepValue為所有反饋信息加權(quán)平均后得到的可靠性值；步驟6)服務(wù)消費(fèi)者Coni根據(jù)信譽(yù)度向量和自定義規(guī)則選擇出最適合自己的服務(wù)提供者節(jié)點(diǎn)Proj ；步驟7)服務(wù)消費(fèi)者Coni與選定的服務(wù)提供者prc^.進(jìn)行交易；步 驟8)服務(wù)消費(fèi)者Coni根據(jù)服務(wù)節(jié)點(diǎn)prc^.的實(shí)際服務(wù)情況，對(duì)這次交易給出一個(gè)評(píng)價(jià)向量即評(píng)價(jià)信息，對(duì)pro」的可靠性做出評(píng)估，該評(píng)價(jià)向量保存在Coni本地；步驟9) Coni根據(jù)pr0j的實(shí)際服務(wù)情況，更新本地保存的鄰居節(jié)點(diǎn)的信任度信息。有益效果本發(fā)明提供的信譽(yù)度評(píng)價(jià)方法，可以正確全面表征每個(gè)節(jié)點(diǎn)的真實(shí)行為表現(xiàn)，對(duì)服務(wù)提供者的信譽(yù)度做出全面和科學(xué)的評(píng)價(jià)，從而使服務(wù)消費(fèi)者根據(jù)自己的個(gè)性化需求， 選擇出最適合自己的服務(wù)提供者。


圖1是所有節(jié)點(diǎn)均為善意節(jié)點(diǎn)時(shí)，系統(tǒng)中所有節(jié)點(diǎn)的平均收益示意圖。圖2表示在1 100輪，所有節(jié)點(diǎn)均為善意節(jié)點(diǎn)，而在101 200輪，所有節(jié)點(diǎn)中有30%的節(jié)點(diǎn)突變?yōu)閻阂庠g毀節(jié)點(diǎn)時(shí)，系統(tǒng)中所有節(jié)點(diǎn)的平均收益示意圖。圖3表示在1 100時(shí)間，所有節(jié)點(diǎn)均為善意節(jié)點(diǎn)，而在101 200時(shí)間，所有節(jié)點(diǎn)中有70%的節(jié)點(diǎn)突變?yōu)閻阂庠g毀節(jié)點(diǎn)時(shí)，系統(tǒng)中所有節(jié)點(diǎn)的平均收益示意圖。圖4表示所有節(jié)點(diǎn)中有30%的節(jié)點(diǎn)是信用炒作節(jié)點(diǎn)時(shí)，系統(tǒng)中所有節(jié)點(diǎn)的平均收益示意圖。圖5表示所有節(jié)點(diǎn)中有70%的節(jié)點(diǎn)是信用炒作節(jié)點(diǎn)時(shí)，系統(tǒng)中所有節(jié)點(diǎn)的平均收益示意圖。
具體實(shí)施例方式下面結(jié)合附圖，具體說明本發(fā)明的優(yōu)選實(shí)施方式。本實(shí)施方式具體實(shí)現(xiàn)了本實(shí)施例所述的一種分布式環(huán)境下的信譽(yù)度評(píng)價(jià)方法，包括以下步驟步驟1)每個(gè)節(jié)點(diǎn)在本地保存每次交易的評(píng)價(jià)信息和其所有鄰居節(jié)點(diǎn)的信任度信息；其中評(píng)價(jià)信息為評(píng)價(jià)向量，結(jié)構(gòu)如下(cCustomerID, cProviderlD, iAmount, iRankTime, iRepScore, iUnitPrice)其中，cCustomerID，cProviderlD分別代表服務(wù)消費(fèi)者節(jié)點(diǎn)、服務(wù)提供者節(jié)點(diǎn)在環(huán)境中的唯一標(biāo)識(shí)符；iAmount表示此次交易的交易量大??；iRankTime則是評(píng)價(jià)的時(shí)間， iRepScore是給出的評(píng)價(jià)分?jǐn)?shù)即可靠性；iUnitPrice是交易時(shí)雙方達(dá)成的物品單價(jià)；信任度信息為信任度向量，結(jié)構(gòu)如下(cCustomerID, cNeighborCustomerID, iTrustScore, iRankTime)其中，cNeighborCustomerID為鄰居節(jié)點(diǎn)環(huán)境中的唯一標(biāo)識(shí)符；iTrustScore為節(jié)點(diǎn)cCustomerID對(duì)其鄰居節(jié)點(diǎn)cNeighborCustomerID的信任度評(píng)價(jià)；iRankTime為評(píng)價(jià)時(shí)間；步驟2)進(jìn)行交易前，服務(wù)消費(fèi)者Coni首先向其所有鄰居節(jié)點(diǎn)發(fā)送請(qǐng)求，詢問鄰居節(jié)點(diǎn)對(duì)潛在的服務(wù)提供者的評(píng)價(jià)；
步驟3)鄰居節(jié)點(diǎn)如果有與潛在的服務(wù)提供者Proj的交互經(jīng)驗(yàn)，則將對(duì)應(yīng)的評(píng)價(jià)向量返回給服務(wù)消費(fèi)者Coni ；步 驟4)服務(wù)消費(fèi)者⑶叫收集潛在的服務(wù)提供者Proj的自評(píng)信息，本實(shí)施例中，自評(píng)信息為一個(gè)數(shù)值，沒有進(jìn)行屬性細(xì)分，當(dāng)服務(wù)消費(fèi)者Coni對(duì)潛在的服務(wù)提供者pro」沒有任何了解時(shí)，該信息非常有價(jià)值；步驟5)依次計(jì)算出每個(gè)潛在的服務(wù)提供者節(jié)點(diǎn)Proj的信譽(yù)度向量，結(jié)構(gòu)如下(cCustomerID, cProviderlD, iTotalAmount, iAvgPrice, iPositiveNum, iNegativeNum, iRepValue)其中iTotalAmount為從所有反饋信息中統(tǒng)計(jì)出的關(guān)于cProviderlD的總交易量， iAvgPrice為交易均價(jià)，iPositiveNum為正面評(píng)價(jià)次數(shù)，iNegativeNum為負(fù)面評(píng)價(jià)次數(shù)； iRepValue為所有反饋信息加權(quán)平均后得到的可靠性值；服務(wù)消費(fèi)者要評(píng)價(jià)服務(wù)提供者的信譽(yù)，必須先收集各類反饋信息。在分布式網(wǎng)絡(luò)環(huán)境中，每個(gè)節(jié)點(diǎn)都是一個(gè)自主節(jié)點(diǎn)，保存著自己所有交易歷史與評(píng)價(jià)記錄。本發(fā)明將反饋信息歸為三類A.服務(wù)消費(fèi)者本地的評(píng)價(jià)記錄，即服務(wù)消費(fèi)者的直接交易經(jīng)驗(yàn)。在人類社會(huì)里，人與人之間的直接交往所建立起的聲望，會(huì)比通過朋友、鄰居的介紹更為可信。因此服務(wù)消費(fèi)者本地的反饋信息對(duì)服務(wù)提供者信譽(yù)評(píng)價(jià)的影響是最大的。B.從服務(wù)消費(fèi)者的鄰居節(jié)點(diǎn)處收集來的評(píng)價(jià)信息，即服務(wù)消費(fèi)者的間接交易經(jīng)驗(yàn)。這部分的反饋信息也是非常具有參考意義的，一般服務(wù)消費(fèi)者不可能與環(huán)境中每個(gè)服務(wù)提供者都有交易歷史，這樣的話，僅憑服務(wù)消費(fèi)者的直接交易評(píng)價(jià)信息，是計(jì)算不出某些服務(wù)提供者的信譽(yù)情況的，這時(shí)，服務(wù)消費(fèi)者從鄰居處收集的評(píng)價(jià)信息便是最可靠的信譽(yù)信息來源。C.從服務(wù)提供者節(jié)點(diǎn)處收集到的評(píng)價(jià)記錄。服務(wù)提供者為了證明自己的信譽(yù)，會(huì)公布一些經(jīng)過第三方認(rèn)證的證書和對(duì)自己有利的評(píng)價(jià)。常見的信譽(yù)系統(tǒng)模型都忽略了這部分反饋信息，但是，當(dāng)一個(gè)新的服務(wù)消費(fèi)者加入到交易環(huán)境中時(shí)，它沒有任何交易歷史，且還未建立起鄰居關(guān)系，這時(shí)新的服務(wù)消費(fèi)者無法收集到上述兩種反饋信息，從而就無法做出信譽(yù)評(píng)價(jià)。此時(shí)，服務(wù)提供者提供的反饋信息，就具有一定的使用價(jià)值了，它是新的服務(wù)消費(fèi)者很重要的信譽(yù)信息來源。反饋信息由服務(wù)消費(fèi)者與服務(wù)提供者交易后生成，然后在他們之間傳遞，用于信譽(yù)計(jì)算。在本發(fā)明中，我們認(rèn)為不同時(shí)間做出的評(píng)價(jià)信息所占的權(quán)重是不同的，最近的評(píng)價(jià)信息肯定要比前若干輪的評(píng)價(jià)信息要可靠得多；不同的交易金額的反饋信息，權(quán)重也不同， 大金額交易的反饋信息權(quán)重更大。同時(shí)，我們也認(rèn)為不同鄰居給予的評(píng)價(jià)權(quán)重也不同，信任度大的鄰居提供的反饋信息比信任度小的鄰居提供的信息更可靠。令Rk (cCustomerID, cProviderlD)表示服務(wù)消費(fèi)者 cCustomerID 從第 k 種來源收集到的關(guān)于服務(wù)提供者cProviderlD的反饋信息集合，其中k e {1,2,3}。數(shù)據(jù)集中每條反饋信息的權(quán)重記為wk(Γ )，Γ e Rk(cCustomerID, cProviderlD)，巧為數(shù)據(jù)集中第 i 條評(píng)價(jià)記錄。A.直接交易經(jīng)驗(yàn)數(shù)據(jù)集權(quán)重W1Cri) = !Amount * e-dAiRankTime(ri)①
B.間接交易經(jīng)驗(yàn)數(shù)據(jù)集權(quán)重W2 (η) = iAmount * iTrustScorer. * e-dAiRankTime(ri)(|)C.服務(wù)提供者提供的數(shù)據(jù)集權(quán)重W3 (rj) = 1③ 其中，Δ iRankTime (ri)為當(dāng)前時(shí)間與用戶評(píng)價(jià)時(shí)的時(shí)間之差，iAmount為交易金額，HYustScoreri為用戶cCustomerID對(duì)提供反饋信息巧的鄰居的信任度，d為一大于等于零的系數(shù)；計(jì)算出三種來源的反饋信息的權(quán)重后，匯總所有反饋信息，加權(quán)平均計(jì)算出所需的可靠性值及交易均價(jià)，并統(tǒng)計(jì)出正面反饋次數(shù)、負(fù)面反饋次數(shù)和總交易量，從而得到信譽(yù)向量。A.可靠性值第k種來源反饋信息的可靠性值的計(jì)算公式iRepValuek(cCustomerID,cProviderID)=工明 ^-咖！“枕瓜…叫⑷枕明^^!·,) iRePscorer
i.rieRk(cCustomerID,cProviderID) Wk(ri)其中IRepScoreri為第巧條反饋信息向量中的可靠性值iR印Score。 iR印Valuek(cCustomerlD，cProviderlD)為 cCustomerID 計(jì)算出 cProviderlD 的第 k 種來源反饋信息的可靠性匯總值；服務(wù)提供者的cProviderlD可靠性值為iRepValue(cCustomerID, cProviderlD)=工郵圳QdRe—叫樹 _merID,cPr。viderID)
lke{l,2,3}QkW其中Qk為數(shù)據(jù)集k的權(quán)值，iR印Value (cCustomerID, cProviderlD)為最終匯總出的cCustomerID對(duì)cProviderlD的可靠性值。B.交易均價(jià)
r，. ..,廣inn. jin、Xr:eRk(cCustomerID,cProviderlD) Wk(ri)*iUnitPriceriAvgPncek(cCustomerID, cProviderlD) = 1 ---—-L(g)
lrj€Rk(cCustomerID,cProviderlD) Wk(ri)iAvgPrice(cCustomerID, cProviderlD)=工郵圳Q^vgPrice諷ust。merm,cPr。viderID)
Ake{l,2,3)Qkw^ φ, iAvgPricek(cCustomerID, cProviderlD)為 cCustomerID i十胃[JB cProviderlD的第k中來源反饋信息的交易均價(jià)匯總值；iAvgPrice (cCustomerID, cProviderlD)為最終匯總出的cCustomerID對(duì)cProviderlD的交易均價(jià)值。C.總交易次數(shù)iTotalAmOUnt = Xk￡{l,2,3} XrieRk(cCustomerID,cProviderID) iAmOUIlt⑧正面評(píng)價(jià)次數(shù)iPositiveNum及負(fù)面評(píng)價(jià)次數(shù)iNegativeNum是對(duì)所有反饋信息的統(tǒng)計(jì)。當(dāng)一條反饋信息的可靠性值大于事先設(shè)定的閾值時(shí)，則將該條評(píng)價(jià)視為正面評(píng)價(jià)，反之為負(fù)面評(píng)價(jià)。綜合上面計(jì)算的向量屬性，可以得到cCustomerID計(jì)算出的關(guān)于服務(wù)提供者 cProviderlD的信譽(yù)向量，形式如下(cCustomerID, cProviderlD, iTotalAmount, iAvgPrice, iPositiveNum, iNegativeNum, iRepScore)步驟6)服務(wù)消費(fèi)者Coni根據(jù)信譽(yù)度向量和自定義規(guī)則選擇出最適合自己的服務(wù)提供者節(jié)點(diǎn)Proj ；
現(xiàn)有的信譽(yù)系統(tǒng)模型，在計(jì)算出所有服務(wù)提供者的信譽(yù)值后，在做選擇時(shí)，往往只是單純的取可靠性值最大的服務(wù)提供者作為交易對(duì)象，它們沒有考慮到服務(wù)消費(fèi)者會(huì)有自己的個(gè)性化需求。比如，當(dāng)兩個(gè)服務(wù)提供者A和B，A的可靠性值為4，交易均價(jià)為3，B的可靠性值為5，交易均價(jià)為4?，F(xiàn)某服務(wù)消費(fèi)者的需求為可靠性值在3以上，交易均價(jià)在3以下的服務(wù)提供者都可以作為交易伙伴。如果采用以往的不考慮服務(wù)消費(fèi)者的個(gè)性化需求的選擇策略，模型會(huì)為服務(wù)消費(fèi)者選擇服務(wù)提供者B作為交易對(duì)象，但明顯服務(wù)消費(fèi)者更相信A，更渴望與A交易，因?yàn)椴粌HA的可靠性值滿足服務(wù)消費(fèi)者的需求，且交易價(jià)格也滿足， 而B的交易價(jià)格不滿足。為此，本實(shí)施例提出了基于自定義規(guī)則的最優(yōu)選擇算法，來解決服務(wù)消費(fèi)者的個(gè)性化需求的問題。當(dāng)服務(wù)消費(fèi)者Coni需要某種服務(wù)時(shí)，啟動(dòng)信譽(yù)系統(tǒng)模型計(jì)算功能，算出它周圍所有提供該服務(wù)的服務(wù)提供者的信譽(yù)向量集合{Rjl，Rj2，Rj3……Rjn}，其中Rjn是具有多維屬性的綜合評(píng)價(jià)，其形式為(al，a2, a3……an)，jn代表具體的服務(wù)提供者節(jié)點(diǎn)；服務(wù)消費(fèi)者節(jié)點(diǎn)Coni可以根據(jù)自己的興趣愛好設(shè)置最優(yōu)服務(wù)選擇標(biāo)準(zhǔn)向量Si (bl，b2，b3……bn)； 節(jié)點(diǎn)Coni通常自定義一個(gè)服務(wù)提供者數(shù)量閾值N和一個(gè)距離閾值A(chǔ)CH。接下來從服務(wù)提供者節(jié)點(diǎn)集合J = {jl,j2,j3……jn}中選擇出節(jié)點(diǎn)Coni認(rèn)為最
優(yōu)的服務(wù)提供者節(jié)點(diǎn)jk(jk e j)。這里設(shè)計(jì)的最優(yōu)選擇算法如下
權(quán)利要求
1.一種分布式環(huán)境下信譽(yù)度評(píng)價(jià)方法，包括以下步驟步驟1)每個(gè)節(jié)點(diǎn)在本地保存每次交易的評(píng)價(jià)信息和所有鄰居節(jié)點(diǎn)的信任度信息； 其中評(píng)價(jià)信息為評(píng)價(jià)向量，結(jié)構(gòu)如下(cCustomerlD，cProviderlD, iAmount, iRankTime, iRepScore，iUnitPrice) 其中，cCustomerlD，cProviderlD分別代表服務(wù)消費(fèi)者節(jié)點(diǎn)、服務(wù)提供者節(jié)點(diǎn)在環(huán)境中的唯一標(biāo)識(shí)符；iAmount表示此次交易的交易量大?。籭RankTime則是評(píng)價(jià)的時(shí)間， iRepScore是給出的評(píng)價(jià)分?jǐn)?shù)即可靠性；iUnitPrice是交易時(shí)雙方達(dá)成的物品單價(jià)； 信任度信息為信任度向量，結(jié)構(gòu)如下(cCustomerlD, cNeighborCustomerID, iTrustScore, iRankTime) 其中，cNeighborCustomerID為鄰居節(jié)點(diǎn)環(huán)境中的唯一標(biāo)識(shí)符；iTrustScore為節(jié)點(diǎn) cCustomerlD對(duì)其鄰居節(jié)點(diǎn)cNeighborCustomerID的信任度評(píng)價(jià)；iRankTime為評(píng)價(jià)時(shí)間； 步驟2)進(jìn)行交易前，服務(wù)消費(fèi)者Coni首先向其所有鄰居節(jié)點(diǎn)發(fā)送請(qǐng)求，詢問鄰居節(jié)點(diǎn)對(duì)潛在的服務(wù)提供者的評(píng)價(jià)；步驟3)鄰居節(jié)點(diǎn)如果有與潛在的服務(wù)提供者pr0j的交互經(jīng)驗(yàn)，則將對(duì)應(yīng)的評(píng)價(jià)向量返回給服務(wù)消費(fèi)者Coni ；步驟4)服務(wù)消費(fèi)者Coni收集潛在的服務(wù)提供者prc^的自評(píng)信息； 步驟5)依次計(jì)算出每個(gè)潛在的服務(wù)提供者節(jié)點(diǎn)pr0j的信譽(yù)度向量，結(jié)構(gòu)如下 (cCustomerlD, cProviderID, iTotalAmount, iAvgPrice, iPositiveNum, iNegativeNum, iRepValue)其中iTotalAmount為從所有反饋信息中統(tǒng)計(jì)出的關(guān)于cProviderlD的總交易量， iAvgPrice為交易均價(jià)，iPositiveNum為正面評(píng)價(jià)次數(shù)，iNegativeNum為負(fù)面評(píng)價(jià)次數(shù)； iRepValue為所有反饋信息加權(quán)平均后得到的可靠性值；步驟6)服務(wù)消費(fèi)者Coni根據(jù)信譽(yù)度向量和自定義規(guī)則選擇出最適合自己的服務(wù)提供者節(jié)點(diǎn)Proj ；步驟7)服務(wù)消費(fèi)者Coni與選定的服務(wù)提供者pi·。進(jìn)行交易； 步驟8)服務(wù)消費(fèi)者Coni根據(jù)服務(wù)節(jié)點(diǎn)Pr。的實(shí)際服務(wù)情況，對(duì)這次交易給出一個(gè)評(píng)價(jià)向量即評(píng)價(jià)信息，對(duì)Pr。的可靠性做出評(píng)估，該評(píng)價(jià)向量保存在Coni本地；步驟9) Coni根據(jù)Pi^的實(shí)際服務(wù)情況，更新本地保存的鄰居節(jié)點(diǎn)的信任度信息。
2.根據(jù)權(quán)利要求1所述的一種分布式環(huán)境下信譽(yù)度評(píng)價(jià)方法，其特征在于，信譽(yù)度向量中的可靠性值的計(jì)算方法為 令Rk (cCustomerlD，cProviderlD)表示服務(wù)消費(fèi)者cCustomerlD從第k種來源收集到的關(guān)于服務(wù)提供者cProviderlD的反饋信息集合，其中k e {1,2,3}。 數(shù)據(jù)集中每條反饋信息的權(quán)重記為wk(Γ )，Γ e Rk(cCustomerlD, cProviderlD)，巧為數(shù)據(jù)集中第 i 條評(píng)價(jià)記錄。A.直接交易經(jīng)驗(yàn)數(shù)據(jù)集權(quán)重W1Cri) = iAmount * e-dAiRankTime(ri)①B.間接交易經(jīng)驗(yàn)數(shù)據(jù)集權(quán)重W2 (η) = iAmount * iTrustScorer. * e-dAiRankTime(ri)②C.服務(wù)提供者提供的數(shù)據(jù)集權(quán)重
3.根據(jù)權(quán)利要求1所述的一種分布式環(huán)境下信譽(yù)度評(píng)價(jià)方法，其特征在于，在步驟6) 中采用基于自定義規(guī)則的最優(yōu)選擇算法，選擇出最適合自己的服務(wù)提供者節(jié)點(diǎn)Prcv具體方法為當(dāng)服務(wù)消費(fèi)者Coni需要某種服務(wù)時(shí)，啟動(dòng)信譽(yù)系統(tǒng)模型計(jì)算功能，算出它周圍所有提供該服務(wù)的服務(wù)提供者的信譽(yù)向量集合{Rjl，Rj2，Rj3……Rjn}，其中Rjn是具有多維屬性的綜合評(píng)價(jià)，其形式為(al，a2, a3……an)，jn代表具體的服務(wù)提供者節(jié)點(diǎn)；服務(wù)消費(fèi)者節(jié)點(diǎn)Coni根據(jù)自己的興趣愛好設(shè)置最優(yōu)服務(wù)選擇標(biāo)準(zhǔn)向量Si (bl，b2，b3……bn)；節(jié)點(diǎn)Coni 自定義一個(gè)服務(wù)提供者數(shù)量閾值N和一個(gè)距離閾值A(chǔ)CH;接下來從服務(wù)提供者節(jié)點(diǎn)集合J= {jl，j2，j3……jn}中選擇出節(jié)點(diǎn)Coni認(rèn)為最優(yōu)的服務(wù)提供者節(jié)點(diǎn)jk(jk e J)，最優(yōu)選擇算法如下
全文摘要
本發(fā)明涉及一種分布式環(huán)境下信譽(yù)度評(píng)價(jià)方法，包括以下步驟1)每個(gè)節(jié)點(diǎn)在本地保存每次交易的評(píng)價(jià)信息和所有鄰居節(jié)點(diǎn)的信任度信息；2)進(jìn)行交易前，服務(wù)消費(fèi)者coni首先詢問鄰居節(jié)點(diǎn)對(duì)潛在的服務(wù)提供者proj的評(píng)價(jià)；3)鄰居節(jié)點(diǎn)如果有與proj的交互經(jīng)驗(yàn)，則將對(duì)應(yīng)的評(píng)價(jià)向量返回給coni；4)coni收集proj的自評(píng)信息；5)依次計(jì)算出每個(gè)proj的信譽(yù)度向量；6)根據(jù)信譽(yù)度向量和自定義規(guī)則選擇出最適合自己的proj；7)coni與選定的proj進(jìn)行交易；8)coni根據(jù)交易情況給出一個(gè)評(píng)價(jià)向量；步驟9)更新本地保存的鄰居節(jié)點(diǎn)的信任度信息。本方法可以對(duì)服務(wù)提供者的信譽(yù)度做出全面和科學(xué)的評(píng)價(jià)，使消費(fèi)者能根據(jù)自己的個(gè)性化需求，選擇出最適合自己的服務(wù)提供者。
文檔編號(hào)G06Q30/00GK102222305SQ20111015709
公開日2011年10月19日 申請(qǐng)日期2011年6月13日 優(yōu)先權(quán)日2011年6月13日
發(fā)明者牛振東, 王曉玲, 董明斌, 金福生, 韓翔宇 申請(qǐng)人:北京理工大學(xué)