DTrust : Vers une évaluation dynamique des niveaux de confiance dans les réseaux sociaux en ligne variant dans le temps

L'évaluation de la confiance sociale peut susciter de vastes applications telles que des recommandations sociales, des achats, des stratégies d'investissement financier, etc., mais reste un problème difficile ayant une exploration limitée. De telles explorations limitent principalement leurs études à la topologie de réseau statique ou à des réseaux dynamiques simplifiés, en se dirigeant vers la prédiction de la relation de confiance sociale. En revanche, dans cet article, nous explorons la confiance sociale en tenant compte des réseaux sociaux en ligne variant dans le temps alors que la relation de confiance sociale peut évoluer au fil du temps. DTrust, une solution basée sur un réseau de neurones graphiques dynamiques, sera proposée pour une prédiction précise de la confiance sociale. En particulier, DTrust est composé d'une unité d'agrégation statique et d'une unité dynamique, respectivement responsables de capturer à la fois les caractéristiques de dépendance spatiale et les caractéristiques de dépendance temporelle. Dans la première unité, nous empilons plusieurs couches NNConv dérivées du réseau de convolution conditionné par les arêtes afin de capturer les caractéristiques de dépendance spatiale corrélées à la topologie du réseau et aux relations sociales observées. Dans la deuxième unité, une unité récurrente à porte (GRU) est utilisée pour apprendre la loi d'évolution de l'interaction sociale et des relations de confiance sociale. Sur la base des caractéristiques spatiales et temporelles extraites, nous utilisons ensuite un réseau de neurones entièrement connecté pour l'apprentissage, capable de prédire les relations de confiance sociale pour les créneaux horaires actuels et futurs. Des résultats expérimentaux étendus montrent que notre DTrust peut surpasser les homologues de référence sur deux ensembles de données du monde réel.