超越声誉的信任：基于刻板印象的计算信任模型
密码学与安全
2015-03-19 v3 分布式、并行与集群计算
摘要
计算信任模型支持用户进行决策。它们通常用于指导在线拍卖网站中的用户判断，或确定 Web 2.0 站点中贡献的质量。然而，大多数现有系统需要关于被评判特定代理过去行为的历史信息。相比之下，在现实生活中，为了在缺乏此类行为历史知识的情况下预测陌生人的行为，我们常常使用我们的“直觉”——本质上是从我们过去与其他“相似”人的互动中发展出的刻板印象。在本文中，我们提出了 StereoTrust，一种受现实生活中刻板印象启发的计算信任模型。刻板印象包含代理的某些特征和交易的预期结果。当面对陌生人时，代理通过聚合与陌生人档案匹配的刻板印象来推导其信任。由于刻板印象是局部形成的，推荐源于信任者自身的个人经验和视角。当历史行为信息可用时，可用于细化分析。根据我们使用 Epinions.com 数据集进行的实验，StereoTrust 与使用不同类型信息和更完整历史信息的现有信任模型相比表现更优。
引用
@article{arxiv.1103.2215,
title = {Trust beyond reputation: A computational trust model based on stereotypes},
author = {Xin Liu and Anwitaman Datta and Krzysztof Rzadca},
journal= {arXiv preprint arXiv:1103.2215},
year = {2015}
}