《基于Dirichlet分布的电子商务信誉评估模型.pdf》由会员分享，可在线阅读，更多相关《基于Dirichlet分布的电子商务信誉评估模型.pdf（6页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、第4 0 卷第5 期2 0 1 1 年9 月电子科技大学学报J o u r n a lo f U n i v e r s i t yo f E l e c t r o n i cS c i e n c ea n dT e c h n o l o g yo f C h i n aV b I 4 0N o 5S e p 2 0 1 1基于D i r i c h l e t 分布的电子商务信誉评估模型李文，平玲娣，陈小平，吴朝晖(浙江大学计算机科学与技术学院杭州3 1 0 0 2 7)【摘要】在已有的信誉理论基础上，结合D i d c h l e t 概率分布以及“差评敏感”的评估原则，提出了一个适
2、用于电子商务的信誉评估模型。该模型基于D i r i c h l e t 概率密度函数，从概率的角度客观地反映了实体集的评估结果，根据评估实体输入的离散评估值，得出连续的信誉值同时，“差评敏感”处理保证了模型对差评的敏感性，提高了模型的谨慎度，而且随着评估次数的增加，模型对评估实体具有自适应性模拟实验表明，该模型有着良好的评估特性，适用于电子商务信誉评估的环境关键词差评敏感：D i r i c h l e t 概率密度；电子商务；评估模型：信誉中图分类号T P 3 9 3文献标识码Ad o i：1 0 3 9 6 9 0 i s s n 1 0 0 1 0 5 4 8 2 0 1 1 0 5
3、0 2 0R e p u t a t i o nR a t i n gM o d e lB a s e do nD i r i c h l e tD i s t r i b u t ei nE C o m m e r c eL IW e n，P I N GL i n g-d i，C H E NX i a o p i n g，a n dW UZ h a o-h u i(C o l l e g e o f C o m p u t e r S c i e n c ea n d T e c h n o l o g y,Z h c j i a n g U n i v e r s i t ym n g z
4、 h o u31 0 0 2 7)A b s t r a c tB a s e do nt h er e s e a r c ho ft h er e p u t a t i o nt h e o r y。ar e p u t a t i o nr a t i n gm o d e lb a s e do nD i r i c h l e tp r o b a b i l i t yd e n s i t yf u n c t i o na n d b a d-s e n s i t i v e r a t i n gr u l ei sp r o p o s e di ne-c o m m
5、e r c e T h em o d e lt a k e sd i s c r e t er a t i n g so fe n t i t y 豁i n p u t,a n dd e r i v e st h ec o n t i n u o u sm e a s u r e s“B a d-s e n s i t i v e”r a t i n gr u l em a k e st h em o d e ls e n s i t i v ea n dm o r ec a u t i o u st ot h eb a dr a t i n g sa n d T h em o d e li
6、ss e l f-a d a p t i v e 舔t h ei n c r e a s i n go fr a t i n g s E x p e r i m e n t ss h o wt h a tt h em o d e lh a ss e v e r a lg o o dc h a r a c t e r sf o rt h er e p u t a t i o nr a t i n gi ne-c o m m e r c e K e yw o r d sb a d-s e n s i t i v e；D i r i c h l e tp r o b a b i l i t yd e
7、 n s i t y；e c o m m e r c e：r a t i n gm o d e l；r e p u t a t i o n随着电子商务的不断发展，信誉成为一个越来越受重视的话题l l 叫。与传统的网络安全机制相比，信誉评估作为互联网的软安全机制，可以降低电子商务的交易风险，减少网络欺骗，激励服务商维护高质量的服务，减少低质量的服务，同时也可以为惩罚低信誉实体提供依据。所以，一个客观、公平的信誉评估模型对于电子商务是非常重要的。虽然人们已经提出了很多信誉评估模型，但是学术界对于信誉评估模型没有统一的标准和规范，大部分都根据自身情况而设计，很少建立在他人的基础之上。本文在J o s
8、 a n g 的信誉理论基础上 7-8 1，结合D i r i c h l e t 杩 率分布及“对差评敏感”的评估原则【9 1 0 i，提出了一个具有自适应能力的评估模型。模型采用-j D i r i c h l e t 分布【l，从概率统计的角度客观地反映评估结果，另外，对D i r i c h l e f i,平估结果进行“差评敏感”运算，模型对于差评比较敏感，一旦出现不好的评估，评估值就会明显下降，随着好评的增加，可信值逐渐恢复。该特性使得模型具有自适应性，同时也严格地保证了评估质量。实验结果表明，该模型可以应用于电子商务系统。1D i r i c h l e t 信誉模型1 1D i
9、 r i c h l e t 分布D i r i c h l e t 分布是建立在k 维不相交的状态空间上的概率分布。假设一个七维的状态空间 x t，而，x A，对应的证据集合为 口(葺)，a(x 2)，口(薯)，口(以)，其中口(葺)为状态而的观察值。对于每个状态而，对应出现的概率记为p(一)，净l，2，。k，则k 维的状态空间服从D i r i c h l e t 分布的概率密度函数为：其中：厂(P I A)=收稿日期：2 0 0 9 1 2 1 8：修回日期：2 0 1 0 0 3 2 3基金项目：国家8 6 3 计划支撑项I i l(2 0 0 8 A A 0 1 A 3 2 3)：国
10、家支撑计划支撑项I 置(2 0 0 8 B A H 2 I B 0 3)作者简介：李文(1 9 8 3 一)男博士生，主要从事网络安全、可信评估方面的研究七r(口(葺)k兀r(口(而)j=lk兀p(薯)幢州i=1万方数据电子科技大学学报第4 0 卷O 0P=p(而)p(恐)p(x D】表示七维状态的随机概率向量：A=陋(五(恐)a(x D 表示七维状态的随机观察值。基于k 维状态的D i r i c h l e t 分布中，状态葺的概率期望表达式为：t r 、E(p )I A)=业(2)口(而)i=I上述D i r i c h l e t 分布是先验的概率分布，即证据向量4 为先验值。在实际的
11、评估系统中，每个状态都会有一个初始的评估值(先验值)，一般地，k 维状态空间的先验值为口f=I k，q 称为状态五的先验基本率。如从有后种颜色小球的箱子里取小球，在没有任何前提条件下，默认各种颜色小球的初始先验概率为1 k。所以，先验的D i r i c h l e t 分布中的证据集合口(葺)是由后验实际证据，(墨)和先验基本率q 两部分共同组成。其中，(而)是状态而的真实后验观察值。状态五的总证据观察值为：口(葺)=，(西)+C q(3)式中，C 是一个先验常量，表示先验基本率对整体观察值的影响程度，C 越大，实际观察值对整体证据的影响越小，先验基本率对整体证据的影响越大。在二维状态空间中
12、，一般C _ 2 I l I】。本文模型的k 维空间中，C 继续取值为2。在实际应用中，可根据具体需求，对C 的取值进行调整。结合等式(3)和式(1)，D i r i c h l e t 的先验分布概率密度函数为：厂(，(而)+)f(P IR，A)=产L 一兀厂(，(葺)+)i=l其中：p()，p(吃)，p()0量p(而)=l1=1，(五)，(砭)，厂(而)0C=2IZ a,=lR=【r(五)，(艺)r C x k)】是状态空间对应的实际证据向量，为后验向量；A，_【q 吃q】是状态空间对应的先验基本率。先验D i r i c h l e t 的概率期望为：E(p(薯)I 足，爿，)：上皇掣(
13、5)c+，(葺)I=11 2D i r i c h l e t 信誉评估模型信誉评估系统是一个实体对另外一个实体的服务或者行为进行评价的系统，一般是基于不同等级进行评估的，如星级评价，或者好评、中评、差评等。一个七等级的评估系统，评估的实体集M 中的实体x 对实体Y 进行的评估表示为C(f)，其中f 表示评估的等级。C(f)的实际意义表示实体x 对实体Y 在等级f 上的评估值。实体Y 在等级i 上所有的评估值表示为：御=彤(f)，E M式中，M 为参加评价的实体集合。对实体Y 在所有等级上的评估值可以表示为评估向量鼠=【r y(1)r y(2)厂v )】。在上述的评估系统中，七个等级对应D i
14、 r i c h l e t分布的七维不相交状态空间，在等级f 上的评估值厂v O)对应D i r i c h l e t 概率密度函数中的后验证据，则等级，的评估分值s。(f)可以按照D i r i c h l e t 分布在状态i的概率期望计算为：s，o)：型挲蔓(7)c+：o(f)百。式中，C _ 2；珥=I k。这样，根据实体集M 对实体)，的离散的等级评估，可计算出对实体Y 在等级，上的一个连续评估分值。对实体y 在整个评估等级上的评估值可以用一个向量S，表示，其中，S，=p，(1)s，(2)s，(后)】。根据D i r i c h l e t 分布的概率期望的定义，容易验证：土(f
15、)=1(8)百。上述模型中，实体y 对应的评估分值有七个，这在实际应用中是不合理的，需要把七个评估分值合并成一个综合分值。在后等级的评估系统中，假设最低等级为l 级，对应分值为0 分，最高等级为k级，对应为1 分，则等级i 对应的分值为：似f)=O 一1)(七一1)(9)w(O 可以看作是等级f 对应的权值，所以实体Y最后对应的评估分值可以计算为：纯。慨烈=口卜酏AD 瑚毗墨，烈4q卜暂“，LP。兀蝌万方数据第5 期李文，等：基于D i r i c h l e t 分布的电子商务信誉评估模型7 3 9q=w(f)0(f)(1 0)但是，式(7)对于等级f 的分值计算只是基于当前的评估值0 0)
16、以及初始基本率q，并没有涉及到历史评估分值。该模型的评估值只是基于一次评估证据计算的，而一个实体信誉的建立是由历史信誉和当前评价证据共同决定的，只有这样才能保证公平性和客观性。下面对模型进行改进。1 3 动态信誉评估模型在评估系统中，可以把上次的评估分值作为下次评估的先验基本率，随着评估周期的不同，先验基本率随着上次评估值的更新而动态改变，新的评估值更具有参考性。实体集M 对实体Y 在第”次评估的证据为B，。=【0。(1)r y，。(2)0，。)】。根据1 2 节模型，对应的评估值为：啪)：华(1 1)C+z -J 0 一O)，。其中：口f l。ql q。=$n-I(f)聆 l式(1 1)中，
17、第刀次评估的基本率是第,-1 次的评估值，即当前评估值是基于历史评估值和当前评估证据的基础计算出来的，体现了历史信誉的价值。初始的基本率对于D i r i c h l e t 分布来说是先验值，可以取值为1 k，或者其他评估系统的经验值。结合等式(1 0)和式(1 1)，可以得出动态信誉评估值为：上q 一2 w(f)移。o)(1 2)2“差评敏感”的D i r e c h l e t 信誉模型在电子商务信誉评估系统中，为了能够更好地保证服务质量，合理、严格的评估模型是非常重要的。一般地，信誉评估系统会对不好的评价较敏感。如对某实体的评价连续几次都是低等级，则该实体的信誉就会下降很快，恢复好的信
18、誉需要很长的周期。这就是信誉系统的“差评敏感”性，即一旦有不好的评估，信誉值下降就比较快，但是需要有连续的好评，才能使信誉值逐渐恢复，且恢复速度比下降速度缓慢。信誉恢复过程体现了系统的自适应性，即不断的好评能够保证信誉的恢复。在第1 节模型中，并不能体现“差评敏感”的特性，所以需要对式(1 2)的评估模型进行改进。为了能够体现评估值的好坏，需要给定一个评估阈值(0 p孑嚣篓叫，盯&盯y 盯芦+巧o k L q n e w 一)一 哆 z式中，仃y 和分别表示对实体Y 的当前评估值和上一次评估值，这两个值都是通过式(1 2)计算的。第一次的评估值O v=”：是调节因子，并且0 卢 1，的取值决定
19、评估变化量对最终评估结果的影响程度；是评估的阈值，如果有低于该阈值的评估值，说明被评估实体是不可信的：刀是评估次数；、和o-,(o，1)。由于评估值是整个评估实体集M 的评估结果，所以具有客观性和代表性。在式(1 3)的模型中，评估结果取决于当前评估值、上次评估值、调节因子、评估阈值2 以及评估次数聍。该模型具有以下特性，适应于信誉评估的需求。特性1 该模型的评估值具有下降快，上升慢的特性。假设I 仃y 一盯：I d l 不变的情况下，比较分段函数1和分段函数2 的变化情况。其中分段函数1 代表可信的评估值：分段函数2 代表不可信的评估值并且是下降阶段(仃=c W 1 而l 矿卅I U)图2
20、信誉的变化趋势(o o k l 一)特性2当口一 时，其他变量不变的情况f-H U下，H 越火，州越人，信誉值上升越快。根据指数函数的特点，容易验证该特性。在初始交易或者评估时虽然评估值是可信的(口)，但是由于对被评估实体不熟悉(评估次f 一一+U数n 比较小)，所以信誉值的变化缓慢(。”一比较小)，随着可信交易或者评估次数的增加，系统对被评估对象越来越熟悉，信誉值的变化就比较明显。该特性显示了模型具有很好的自适应性。特性3口越小，在式0 3)对应的分段条件下，r 一1、。F -I,越大，F1 J、p 4：”一越小。该特性体现了模型对于“调节因子”口的敏感性。的大小，决定着评估系统对差评的敏感
21、性。口越小，可信的评估值变化越慢，不可信的评估值下降越快，评估系统对低等级的评估越敏感。说明口越小，评估系统越“小心”、越“严格”反之则反。口的取值大小，可根据评估系统应_ I j 的实际环境进行合理的设置。根据式(1 2)和式0 3)，基丁-先验D i r i c h l e t 概率分布的“差评敏感”评估模型，有着很好的应用特性。根据评估实体的离散评估值t 择不同评估等级)，结合先验基本率和历史评估的信誉值，模型可以得出对应的连续评估值，并能根据调节因子和信誉闽值，合理地反映信誉的变化趋势，具有很好的自适应性。3 实验与分析本节通过实验展示上述模型的一些特性，并对实验结果进行分析比较。3
22、1 实验1实验研究动态的D i r i c h l e t 信誉评估模型的特性，并不涉及“差评敏感”处理。假设评估系统有非常不满意、不满意、一般、满意、非常满意5 个评估等级：对应D i r i c h l e t 信誉评估模型的k 个评估等级。用户对评估实体进行了5 0 次评估，前1 0 次评估为“非常不满意”，第l l 第2 0 次评估为“不满意”，中间1 0 次评估为“一般”，第3 1 第4 0 次评估为“满意”，最后l O 次评估为“非常满意”。动态的D i r i c h l e t 信誉评估模型中，先验的基本率a j=o 2，常量C=2。各个等级的评估曲线以及最终的评估走势如图3
23、所示。图3 动态D i r i c h l e t 信誉评估模型走势图图3 中，综合评估值在前1 0 次的评估中呈F 降趋势，因为前1 0 次的评估都是差评(非常不满意)，随着评估等级的不断提高，综合评估值逐渐呈上升趋势，最终会趋于1。3 2 实验2实验中，研究式(1 3)的特性。假设信誉闽值“=0 6，初始信誉值仃“=O 5。为了能够清晰地比较模型，假设了6 种情况，其中d a t a l、d a t a 2、d a t a 3 都是按步长0 1 增加的评估值口一，但对应的调节冈子口分别为0 1、0 2、0 5；而d a t a 4、d a t a 5、d a t a 6 中新的评估值是按步
24、长0 1 递减，对应的调节因子分布为0 1、O 2、0 5。各种情况具体的走势如图4 所示。l0O 90 8O 7世O6坦0 5生0 40 30 2O l0评估次数图4“差评敏感”的特性图4 中，可以看出调节因子口越小，信誉值增加越慢(如d a t a l)，下降越快(如d a t a 4)，说明评估系统越“谨慎”。而且同样的口值，信誉建立过程要比信誉损坏过程缓慢。当口=0 1 时，信誉值从0 5 增加到0 9，需要1 0 次评估r 如d a t a l)，而降N o 1 只需要5 次评估(女N d a t a 4)。另外，当信誉值降低剑很小时，变化幅度就会变小。图4 中，d a t a 4、
25、d a t a 5、d a t a 6 在第8 次评万方数据第5 期李文，等：基于D i r i c h l e t 分布的电子商务信誉评估模型7 4 1估以后，评估值下降程度变缓。这也是合理的，因为信誉下降到比较小时，已经处于极度不可信状态，下降的程度也就变缓。在式(1 3)的模型中，仃砌和仃一都是通过式(1 2)计算的，都大于0，所以图4 中，最终的不可信值只能趋于0，而不等于O。3 3 实验3实验通过比较基于D i r i c h l e t 动态信誉评估模型中“差评敏感”运算处理前后的结果，即式(1 2)和式(1 3)的评估结果，研究“差评敏感”用于动态信誉评估产生的效果。同实验l 一
26、样，假设评估系统有5个评估等级，进行5 0 次评估模拟。但是为了能够明显地反映信誉变化趋势，前l0 次都评估“非常满意”，第1 1 第2 0 次评估为“非常不满意”，第3 l 第5 0次评估为“非常满意”。其他环境同实验l 和实验2。比较结果如图5 所示。I O0 9O 8O 7趔0 6靴0 3O 2O IO图5“差评敏感”处理前后的动态评估模型图5 中，经过“差评敏感”处理的模型，与未处理的模型相比，信誉值建立更缓慢。在前1 0 次以及第2 1 次以后的评估，“差评敏感”模型相比动态评估模型，信誉值上升比较慢，说明信誉建立更加严格。另外。在信誉下降阶段，两个模型的下降趋势一致，但是，当信誉值
27、比较小时，“差评敏感”模型的下降程度变得缓慢，因为在当前信誉和历史信誉都不可信的情况下，信誉的变化程度也将变缓。综上，“差评敏感”的信誉模型可更好地保证服务质量，更具有实用性。4 结束语本文的信誉评估模型是在J o s a n g 的信誉理论的基础上，运用“差评敏感”处理运算，保证了模型的敏感性和实用性。D i r i e h l e t 信誉模型基于D i r i e h l e t概率密度函数，结合先验的基本率以及不同等级的离散评估值计算出一个连续的后验评估值。为了能够使评估模型更加严格、合理，根据信誉评估的需求，提出了“差评敏感”运算，对D i r i c h l e t 信誉模型的评估
28、结果进行“差评处理”。由于“差评敏感”运算有着很好的特性，如对差评比较敏感，信誉值的建立过程比信誉值的破坏过程缓慢；差评敏感模趔随着可信评估的增加，信誉值增加会加快，即系统对熟悉的评估实体具有自适应性。模拟实验表明，本文的信誉模型有着良好的评估特性，适用于电子商务的信誉评估环境。参考文献 1 lJ O S A N GA G R A Y E K n 4 A T E D E RM S i m p l i f i c a t i o na n da n a l y s i so ft r a n s i t i v et r u s tn e t w o r k s J W e bI n t e l
29、 l i g e n c ea n dA g e n tS y s t e m s,2 0 0 6，4(2)：l 一2 6【2】J O S A N G L U 0X i-)【i，C 眦NX i a o、u C o n t i n u o u sr a t i n g si nd i s c r e t eB a y e s i a nr e p u t a t i o ns y s t e m s C I F 驴I n t e r n a t i o n a lF e d e r a t i o nf o rI n f o r m m i o nP r o c e s s i n g T r
30、o n d h e i m：S p r i n g e rB o s t o n 2 0 0 8：1 5 1-1 6 6【3】3J O S A N GAB 刖I Y A NtX UY u e，a te 1 C o m b i n i n gt r u s ta n dr e p u t a t i o nm a n a g e m e n tf o rW e b-b a s e ds e r v i c e s l C 胛h e5 t hi n t e r n a t i o n a Ic o n f e r e n c eo nT 1 1 l S LP r i v a c ya n dS e
31、 c u r i t yi nD i g i t a lB u s i n e s s T u r i n：S p r i n g e r-V e r l a g,2 0 0 8：9 0-9 9 H 1J O S A N GAB H U I Y A NT O p t i m a lt r u s tn e t w o r ka n a l y s i sw i t hs u b j e c t i v eI o g i c C 佃l e2 n dI n t e r n a t i o n a lC o n f e r e T l C eo nE m e r g i n gS e c u r i
32、 t yI n f o r m a t i o n，S y s t e m sa n dT e c h n o l o g i e s C a pE s t e r e l：I E E E 2 0 0 8：2 5 31【5】W A N GY a h，V A R A D H A 融U A Nv T r u s 位：d e v e l o p i n gt r u s ti np e e r-t o p e e re n v i r o n m e n t s C 2 0 0 5I E E EI n t e r n a t i o n a lC o n f e r e n c eo nS e r
33、v i c e sC o m p u t i n g(s c c 0 5)O r l a n d o,F l o r i d a：l E E E 2 0 0 5：2 舢31【6】J O S A N G 八H A Y W A J mRP o P ES T r u s t n e t w o r ka n a l y s i sw i t hs u b j e c t i v el o g i c C|2 9 t hA u s t r a l a s i a nC o m p u t e rS c i e n c eC o n f e r e n c e H o b a r t：A u s t r
34、 a l i a nC o m p u t e rS o c i e t y,2 0 0 6：8 5 9 4【7】J O S A N G 八Al o g i cf o ru n c e r t a i np r o b a b i l i t i e s；川I n t e r n a t i o n a lJ o u r n a lo fU n c e r t a i n t y,F u z z i n e s sa n dK n o w l e d g e-b a s e dS y s t e m,2 0 0 1，9(3)：2 7 9-31 1【8】J O S A N GAP r o b a
35、 b i l i s t i cl o g i cu n d e ru n c e r t a i n t y I C l HP r o c e e d i n g so ft h eT h i r t e e n t hA u s t r a l a s i a nS y m p o s i u mO i lT h e o r yo fC o m p u t i n g,A C MI n t e r n a t i o n a lC o n f e r e n c eP r o c e e d i n gS e r i e s B a l l a r a t：A u s t r a l i
36、a nC o m p u t e rS o c i e t y,2 0 0 7：1 0 1-1 1 0【9】T I A NL i-q i n g,L I NC h u a n g,J I 币e-g u o Q u a n t i t a t i v ea n a l y s i so ft r u s te v i d e n c ei nI n t e r n e t C I n t e r n a t i o n a lC o n f c r e n c eo nC o m m u n i c a t i o nT e c h n o l o g y,2 0 0 6 G u i l i n
37、：I E E E 2 0 0 6：1 5【1 0】L lW e n，P I N GL i n g-d i，L UK u i-j u n，e ta 1 T r u s tm o d e lo fu s e r s b e h a v i o ri nt r u s t w o r t h yI n t e m e t C 2 0 0 9、，A S EI n t e r n a t i o n a lC o n f e r e n c eo nI n f o r m a t i o nE n g l n n e r i n g T a i y u a n：I E E E。2 0 0 9：4 0 3
38、-4 0 6【1 1 1J O S A N GAD i r i c h l e tr e p u t a t i o ns y s t e m C l T h e2 n dI n t e r n a t i o n a lC o n f e r e n c eo nA v a i l a b i l i t y,R e l i a b i l i t ya n dS e c u r i t y(A R E S2 0 0 7)V i e n n a：I E E E，2 0 0 7：l1 2 11 9 编辑漆蓉万方数据基于Dirichlet分布的电子商务信誉评估模型基于Dirichlet分布的电子
39、商务信誉评估模型作者：李文，平玲娣，陈小平，吴朝晖，LI Wen，PING Ling-di，CHEN Xiao-ping，WU Zhao-hui作者单位：浙江大学计算机科学与技术学院 杭州310027刊名：电子科技大学学报英文刊名：Journal of University of Electronic Science and Technology of China年，卷(期)：2011,40(5)参考文献(11条)参考文献(11条)1.J?SANG A;GRAY E;KINATEDER M Simplification and analysis of transitive trust netw
40、orks 2006(02)2.J?SANG A;LUO Xi-xi;CHEN Xiao-wu Continuous ratings in discrete Bayesian reputation systems 20083.J?SANG A;BHUIYAN T;XU Yue;at el Combining trust and reputation management for Web-based services 20084.J?SANG A;BHUIYAN T Optimal trust network analysis with subjective logic 20085.WANG Ya
41、n;VARADHARAJAN V Trust2:developing trust in peer-to-peer environments 20056.J?SANG A;HAYWARD R;POPE S Trust network analysis with subjective logic 20067.J?SANG A A logic for uncertain probabilities 2001(03)8.J?SANG A Probabilisticc logic under uncertainty 20079.TIAN Li-qing;LIN Chuang;JI Tie-guo Quantitative analysis of trust evidence in Internet 200610.LI Wen;PING Ling-di;LU Kui-jun Trust model of users behavior in trustworthy Internet 200911.J?SANG A Dirichlet reputation system 2007 本文链接：http:/