算法框架：计算信任网络中节点的偏差与声望
社会与信息网络
2015-06-05 v1 物理与社会
摘要
信任网络是一种社会网络，其中边表示网络中两个节点之间的信任关系。在信任网络中，一个基本问题是如何评估和计算节点的偏差（bias）与声望（prestige），其中节点的偏差衡量节点的可信度，节点的声望衡量节点的重要性。节点的偏差越大意味着节点的可信度越低，而节点的声望越大意味着节点的重要性越高。在本文中，我们定义了一个向量值压缩函数来刻画偏差向量，从而产生了一类丰富的偏差度量方法，并提出了一套用于计算信任网络中节点偏差与声望的算法框架。基于该框架，我们开发了四种能够有效且稳健地计算节点偏差与声望的算法。我们所有算法的时间和空间复杂度均相对于图的大小呈线性关系，因此我们的算法具有可扩展性，能够处理大规模数据集。我们使用五个真实数据集对我们的算法进行了评估。实验结果证明了我们的算法在有效性、稳健性和可扩展性方面的表现。
引用
@article{arxiv.1207.5661,
title = {A Framework of Algorithms: Computing the Bias and Prestige of Nodes in Trust Networks},
author = {Rong-Hua Li and Jeffrey Xu Yu and Xin Huang and Hong Cheng},
journal= {arXiv preprint arXiv:1207.5661},
year = {2015}
}