在线社交网络中基于信任网络Opinion-Walk算法的优化开题报告

1. 研究目的与意义

在线社交网络已经成为当代人们不可或缺的工具和平台。

在其给人们带来足够便利和功能的的同时，网络安全隐患也同时存在着，我们所讨论的是基于社会层面的，而非技术层面（比如服务器逻辑漏洞等）和物理层面的。

那么信任值，是衡量一对点对点用户连接可靠性的一个测度。

2. 国内外研究现状分析

有诸多的基于在线社交网络的大规模网络信任值评价算法，比如eigentrust(et),trustrank(tr),moletrust(mt)和tidaltrust(tt)算法。

这些算法的侧重点不一，但是都有一个共同的缺陷，就是准确性不足。

原因在于这些算法都是只用了一个实数来进行信任值评估，这会使得这些算法在面临样本不足、信任值未知等情况下捉襟见肘。

3. 研究的基本内容与计划

研究内容：一、编程实现OpinionWalk原版算法二、找出哪些计算是无意义的三、对无意义的操作进行筛选和优化 四、完成最终的改进版算法进度计划：序号 项目 时间 阶段成果1 背景研究 2周左右 文献综述，开题报告2 熟悉阅读国内外相关论文 3周左右 开发计划及技术方案3 复习图论算法 2周左右 以图为基础对OSN进行建模4 对比其他基于OSN的算法 1周左右 5 深入研究OW算法 2周左右 找出可以优化的部分6 计算测试结果及完善 1-2周左右 编写出代码7 撰写论文 2周左右 毕业论文8 准备答辩材料，答辩 1周左右 答辩演示文稿

4. 研究创新点

（1）OW算法在进行每一跳的时候都要基于前一跳的已有信息，但是是不加筛选的，也就是有很多数据是不需要重复计算的，该项目正式针对这部分进行优化。

（2）OW算法在基于OSN的MTA算法中有较强的优势，配合了改进的算法，会更上一层楼。