网站原创摘 要：本文在介绍了个性化推荐系统、信任管理、社交网络以及Swarm平台的基础上,提出了一个对个性化推荐系统进行仿真研究的基于Swarm平台和社交网络的理论模型.该理论模型基于社交网络中智能体的行为和智能体之间的交互,旨在模拟出现实中人与人之间相互学习、推荐和影响的社会关系,从而寻找使得推荐系统更加有效运行的方式.
关 键 词：个性化推荐；信任管理；社交网络；swarm
中图分类号：TP18文献标识码：A文章编号：1007-9599（2012）21-0000-02
1协同过滤算法缺陷概述
虽然协同过滤算法得到了广泛的应用,但是其自身存在的冷启动、数据稀疏、“托”攻击敏感以及“黑匣子”等众多缺陷已经从根本上限制了其发展.协同过滤是根据用户的历史经验做出推荐,系统无法基于新加入的用户和项目产生推荐,这便是冷启动问题；该算法所涉及的评分存储在二维矩阵中,每个用户只对少数几个商品做出过评价,矩阵非常稀疏[3]；推荐是根据偏好历史来产生的,偏好很容易查重,这就是“托”攻击敏感问题[3]；用户对系统产生的推荐感到莫名其妙,这便是“黑匣子”问题.
2信任管理与协同过滤的关系
将社交网络的引入在一定程度上弥补了协同过滤存在的缺陷,从而提高了推荐系统的推荐质量.以下是社交网络对协同过滤缺陷的改进策略：
对冷启动的改进：一个新加入的用户,只要添加一个自己信任的节点就可以进入网络,从网络中其他用户处得到推荐.对数据稀疏的改进：在社交网络中,数据不以二维矩阵的形式来存储,所以不存在数据稀疏问题.对“托”攻击的改进：当“托”用户发出欺诈信息被邻居发现之后,邻居就会断绝他们之间的信任关系,经过一定的时间,恶意用户就会从网络中孤立出来.对“黑匣子”问题的改进：人们对自己的社会关系相对比较信任,所以用这种方式作出的推荐用户会比较容易接受.
3基于Swarm平台的仿真模型
Swarm平台是由美国桑塔费研究所（I）研发的“用于研究复杂自适应系统仿真的多智能体（Agent）仿真平台”[2].近年来,基于Swarm仿真平台的应用研究发展迅速,所涵盖的学科有经济学、社会学以及计算机科学等众多学科领域.[5]我们在此提出一个使用Swarm平台对基于社交网络的电子商务个性化推荐系统进行仿真的理论模型,由于某些原因,我们暂时没有在Swarm平台上最终实现该模型.Swarm仿真过程中比较核心的部分是智能体和智能体之间的交互,下面将介绍该理论模型中包括的Client和Manager两类智能体以及他们之间存在的交互关系.
4两类智能体
Client：该智能体定义为社交网络中存在的具有独立行为能力的主体,包括个人、企业、部门以及其他组织.这些主体中,有恶意主体（“托”用户）,也有普通主体.这些主体的行为反应的都是人的意志,所以把他们统一抽象为智能体,每一个智能体都有属性、记忆和行为.属性主要是用来记录Client自身身份、能力、活跃程度；所谓记忆,是智能体在与自己信任的邻居交互的过程中记录的其每一个邻居的信誉程度以及能力指数；Client有两类行为,第一类是不定时地向信任他的其他智能体发出消息,第二类是向寻求他帮助的邻居提供帮助.
Manager：根据[4]中提到的网络信任中的自治域理论,我们的仿真模型中也引入域的概念.每一个域都有一个Manager来总览该域的管理工作.Manager也由属性、记忆和行为三个要素组成.属性用来标识Manager的身份；Manager的记忆是指每一个Manager必须且只能够记录其管辖域内所有Client的信誉和能力指数；Manager有了记忆以后,当Client向其询问其所管理的成员Client的相关信息时,它便可以提供客观的帮助,这便是Manager的行为.
5智能体之间的交互
智能体之间交互学习的目的是为了了解自己的“邻居”用户.在我们设计的仿真模型中,有两种类型的交互：Client-Client：即Client之间的交互.Client之间可以进行交互学习,前提是他们之间存在着信任关系.Manager-Client：即Manager和Client之间的交互.Manager会根据自己所管辖域内的所有Client的行为去更新它对每一个Client的信誉和能力的评估,所以Manager需要观察管辖域内每一个Client的行为.举例说明：如图1所示,检测设U2,U3,U4属于域Area1,该域的管理员是Manager1,U1属于哪一个域无关紧要.在某一时刻,U1需要向U4询问他对I2的观点,那么这时候U1可以分别询问U2,U3,然后U2,U3又分别询问U4,最后询问方根据被询问方的回答和自己对被询问方的评估,产生一个新的带有主观看法的回答传递给上一级询问者.如果U1和U4之间没有可达路径（或路径过长）,那么U1就可以直接去询问Manager1有关U4的信誉和能力,最后形成自己对U4观点的接受程度.
6模型特点
本模型有三个显著特点：智能性、交互性和动态性.
智能性是智能体的本质特征,他们能够观察对方的行为并以此为依据建立对邻居用户的评价.交互性是指智能体之间不是相互独立的,而是相互影响的.经过每一次交互,智能体都会对自己的能力、活跃度或者对邻居的看法等方面的数据做一定的更新.动态性是指智能体的属性、行为和记忆是随着时间的推移不断变化的.如图2所示,其中的每一个点代表一个智能体,颜色反应的是智能体的性质.红色代表能力和活跃度最强的智能体,和蓝色表示能力和活跃度较低的智能体.值得注意的是众多的智能体中有一些智能体的颜色是淡,他们就是所谓的恶意节点.
7结束语
本文从理论层次上提出了基于Swarm平台的仿真模型,并做了基础的仿真工作.我们接下来的研究方向将是进一步优化理论模型,并且在Swarm平台上最终实现该模型.我们希望借此文章能够将发展较为成熟的Swarm平台引进到电子商务个性化推荐系统中研究中来.