《表1 INIFN表示11语义标签》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《网络计算系统中的区间直觉模糊信任模型》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

对主体信任度的定义、评价和量化是网络计算系统信任建模的关键。对网络计算系统信任度的研究主要根据节点所需请求的服务相关信任属性进行描述、量化和评估。例如，软件服务需要研究软件的信任属性，包括可靠性、易用性、稳定性等。因此，需要非常严格的区分服务相关信任属性。设信任属性集合为A={A1，A2，…，Am}，其中，m为信任属性种类；Ai（i=1，2，…，m）为第i类属性的描述，如运行效率、安全性、协作能力等。由于节点之间每次服务连接通常仅会影响本次服务所涉及的信任属性，因而，仅是对被影响到的信任属性做出评价，不对未被影响的信任属性做评价。信任描述具有主观性、随机性、模糊性等特点，目前服务系统对信任的描述大多采用语义标签。用语义标签组成的集合来描述节点在服务连接中获得的满意度评价，设语义评价集S={S1，S2，S3…}。语义标签是一个定性的概念，其本身也具有模糊性和不确定性，需要将其量化并有效地表达其所代表的信息。如语义评价为“不太好”，这个评价显然表示总体是不满意的，潜含了小部分满意度和不肯定度。区间直觉模糊数是非常有用的描述工具，它能够将属性满意度评价中的相关信息描述清晰，这些信息包括:不肯定信息、否定信息和肯定信息。因而拓展了文献[11]Vague数与11标度语言变量的关系，将信任评价的语义标签映射成区间直觉模糊数进行量化并保持其信息的准确与完备性。语义标签与区间直觉模糊数的对应关系如表1所示。