面向电商多主体信任与声誉评估的分布式在线终身学习（DOL3）
人工智能
2024-10-23 v1 多智能体系统
摘要
以公民为中心的环境（如电子商务）中的服务提供者信任与声誉评估对于维持主体之间交互的完整性至关重要。服务提供者和服务消费者主体的目标与目标与各自公民（最终用户）的目标相关。服务提供者往往追求自身目标，可能导致服务质量高度波动，造成环境的非平稳性。服务提供者的数量随时间变化，形成开放环境。这要求对信任与声誉进行快速且持续的评估。大量服务提供者的环境需要分布式多主体信任与声誉评估。本文针对服务提供者与消费者之间交易的非平稳环境中的多主体信任与声誉评估问题进行了研究。在此设置下，观察者主体进行评估并通过通信网络与彼此共享其评估的信任分数。我们提出了一种新颖的分布式在线终身学习（DOL3）算法，涉及对服务提供者信任与声誉分数的实时快速学习。每个观察者执行自身评估以及其通信网络中邻居评估的自适应学习和加权融合过程。仿真研究表明，通常涉及对主体信任与声誉进行建模的先进方法在此环境下效果不佳。仿真结果显示，所提出的DOL3算法优于这些方法，有效处理了此类环境中的波动性。从统计评估来看，DOL3在90%的情况下均优于其他模型。
引用
@article{arxiv.2410.16529,
title = {Distributed Online Life-Long Learning (DOL3) for Multi-agent Trust and Reputation Assessment in E-commerce},
author = {Hariprasauth Ramamoorthy and Shubhankar Gupta and Suresh Sundaram},
journal= {arXiv preprint arXiv:2410.16529},
year = {2024}
}