基于信息源聚类的最大熵加权信任分析算法

srilri2

摘 要： 在信息网络中，不同的信息源以不同的可信性和准确性提供了各式各样的信息．为了预测这些信息反 映事实的真实度，学者们提出了一些信任分析算法来迭代地计算信息源的信任度及其提供事实的准确度．然而这些算 法往往忽略了信息源和事实描述对象之间的相关性．本文作者提出了一种基于信息源聚类的最大熵加权信任分析算 法，该算法使我们能够在进行信任分析时有效地融合诸如描述对象属性、信息源关联性等信息．实验证明该算法能够 明显的提高分析性能．

关键词： 信息网络；最大熵；信任分析；聚类
9 V, L# P+ \" U) W' f5 j
- b  V4 G7 m/ l5 h4 [* O

/ Q( z  y7 @' Z5 G  a6 T     信息网络是一种用以描述网络 实体复杂关系的抽象概念［１］．在信息网络中存在着若干 可信度未知的信息源，它们以不同程度的可靠性和准确 性为我们提供了大量的事实，而我们可以通过各种方法 预测事实的真实度，从而发现真理性知识．信息网络中 的信任分析正在被越来越多的学者和研 究人员认识和重视．文献［２］中定义信任是一种衡量不 确定性的测度标准．事实发现则是代表目 前信任分析最新研究水平的一种算法，它能够有效地预 测事实的可信任程度。

: a8 u# @0 f) v; o" \2 Z  t7 R
3 h. s$ D5 r1 k2 ~" d6 W附件下载：

游客，如果您要查看本帖隐藏内容请回复

Zmb

提高分析性能