白 昀，蔡皖东

（西北工业大学计算机学院，陕西西安710072）

社交网络平台（如Twitter、Facebook、E-bay、Wikipedia、E-pinions、微博、微信、QQ等）在全球拥有数量众多的用户，用户通过这些社交平台获取信息的同时也生成各种信息（如多媒体文件和博客文章等）。许多平台开始使用用户生成内容的方式提供服务，由于网络的开放性，网络用户行为也存在复杂性和不确定性，这就使得伪造评论、刻意灌水或恶意诋毁的现象越来越明显。目前，网民面对海量信息（如零售商家、转发帖子、推荐文章和推荐用户）大多采用查看信誉可信度的方式来进行选择，用户可信度评估的准确性就决定了网民选择的正确度。研究用户可信度有助于发现虚假评论发布者，及时处理发布虚假内容，维护网站信誉并增强用户使用信心。另外，通过用户可信度的评估辅助用户进行信息获取及交易，降低商业活动中的风险。因此，如何判断这些用户的可信度是目前急需解决的问题。

国内外学者对用户可信度评估进行了大量研究，目前主要有以下几种网络用户可信度评价模型：①根据用户评论的可信度来确定用户的可信度。如：Shang等［1］采用拉格朗日算法计算用户可信度。Mukherjee等人［2］提出GS-Rank算法可以对虚假评论发布者群进行检查。文献［3］用Review Graph的方法对编造虚假评论信息进行检测，构造出评论诚实度和评论者可信度的关系曲线来判断评论者可信度。②通过加入用户的社交关系［4-6］（如：Facebook中的好友关系，Twitter中的追随关系以及E-pinions中的信任关系）来计算出用户的信任度，但这些算法不能缺少用户个人信息提取或者评论内容提取，特征选取和特征提取的准确性对最终评价结果有明显的影响。……