Nghiên cứu đánh giá độ tin cậy của người dùng trên mạng xã hội dựa vào ontolohy

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC NHA TRANG NGUYỄN ĐỨC THỌ NGHIÊN CỨU ĐÁNH GIÁ ĐỘ TIN CẬY CỦA NGƯỜI DÙNG TRÊN MẠNG XÃ HỘI DỰA VÀO ONTOLOGY LUẬN VĂN THẠC SĨ KHÁNH HÒA - 2020 BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC NHA TRANG NGUYỄN ĐỨC THỌ NGHIÊN CỨU ĐÁNH GIÁ ĐỘ TIN CẬY CỦA NGƯỜI DÙNG TRÊN MẠNG XÃ HỘI DỰA VÀO ONTOLOGY LUẬN VĂN THẠC SĨ Ngành: Công nghệ thông tin Mã số: 8480201 Mã số học viên: 59CH320 Quyết định giao đề tài: 453/ QĐ - ĐHNT ngày 04/05/2019 Quyết định thành lập hội đồng: 499/ QĐ - ĐHNT ngày 22/05/2020 Ngày bảo vệ: 07/06/2020 Người hướng dẫn khoa học: TS PHẠM THỊ THU THÚY Chủ tịch Hội đồng TS ĐINH ĐỒNG LƯỠNG Phịng Đào tạo Sau đại học: KHÁNH HỊA – 2020 LỜI CAM ĐOAN Tôi xin cam đoan đề tài luận văn ‘‘Nghiên cứu đánh giá độ tin cậy người dùng mạng xã hội dựa vào ontology” cơng trình nghiên cứu khoa học riêng cá nhân tôi, kết nghiên cứu luận văn khơng trùng với đề tài khác Khánh Hịa, ngày tháng năm 2020 Tác giả luận văn Nguyễn Đức Thọ iii LỜI CẢM ƠN Trước hết xin gửi tới thầy cô Khoa Công nghệ thông tin, Trường Đại học Nha Trang lời cảm ơn sâu sắc Với quan tâm, dạy dỗ tận tình chu đáo thầy để tơi hồn thành khóa học Tơi xin bày tỏ lòng biết ơn chân thành sâu sắc đến cô giáo hướng dẫn, TS Phạm Thị Thu Thúy, người tận tình hướng dẫn tạo điều kiện tốt để tơi hồn thành luận văn Tôi xin cám ơn tác giả tài liệu mà tham khảo để hồn thành luận văn Cuối tơi xin cảm ơn thành viên gia đình tơi, tập thể lớp cao học, quan công tác hỗ trợ, tạo điều kiện thuận lợi để tơi hồn thành tốt chương trình học tập cũng hồn thành luận văn Tôi xin chân thành cảm ơn! Khánh Hòa, ngày tháng năm 2020 Tác giả luận văn Nguyễn Đức Thọ iv MỤC LỤC LỜI CAM ĐOAN iii LỜI CẢM ƠN iv MỤC LỤC .v DANH MỤC CÁC THUẬT NGỮ VIẾT TẮT vii DANH MỤC CÁC BẢNG viii DANH MỤC CÁC HÌNH VẼ ix TRÍCH YẾU LUẬN VĂN x MỞ ĐẦU * Lý chọn đề tài .1 * Mục tiêu nghiên cứu * Đối tượng phạm vi nghiên cứu .2 * Phương pháp nghiên cứu * Ý nghĩa khoa học thực tiễn CHƯƠNG 1: MẠNG XÃ HỘI VÀ ĐỘ TIN CẬY 1.1 Mạng xã hội 1.1.1 Mạng xã hội ? 1.2.2 Lịch sử đời 1.2.3 Tính mạng xã hội 1.2.4 Những thành phần mạng xã hội 1.2.5 Mục tiêu mạng xã hội .6 1.2.6 Mạng xã hội Facebook 1.2.Độ tin cậy .9 1.2.1 Khái niệm 1.2.2 Biểu diễn độ tin cậy .11 1.2.3 Thuộc tính tin cậy 11 1.3 Các nghiên cứu liên quan đến biểu diễn liệu mạng xã hội 13 CHƯƠNG BIỂU DIỄN VÀ TÍNH ĐỘ TIN CẬY CỦA DỮ LIỆU MẠNG XÃ HỘI DƯỚI DẠNG ONTOLOGY 17 2.1 Biểu diễn liệu mạng xã hội dạng Ontology 17 2.2 Một số cơng thức tính độ tin cậy 21 2.2.1 Tính độ tin cậy dựa độ đo khoảng cách 22 2.2.2 Tính độ tin cậy trung bình cộng 23 2.3 Một số ứng dụng việc tính độ tin cậy 24 2.3.1 Trust Web Service 24 2.3.2 TrustBot 24 2.3.3 TrustMail .24 CHƯƠNG 3: TÌM HIỂU CẤU TRÚC FOAF VÀ THUẬT TỐN TÍNH ĐỘ TIN CẬY 26 v 3.1 Cấu trúc FOAF cơng thức tính độ tin cậy 26 3.1.1 Cấu trúc FOAF 26 3.1.2 Thuật tốn tính độ tin cậy .30 3.2 Xây dựng mạng tin cậy dựa mở rộng FOAF 34 CHƯƠNG 4: THỰC NGHIỆM VÀ ĐÁNH GIÁ 37 4.1 Chương trình minh họa 37 4.2 Đánh giá kết ứng dụng trust cài đặt theo công thức cải tiến 44 KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN 48 TÀI LIỆU THAM KHẢO 50 vi DANH MỤC CÁC THUẬT NGỮ VIẾT TẮT Thuật ngữ Nghĩa tiếng Anh Nghĩa tiếng Việt FOAF Friend Of A Friend Bạn bạn OWL Web Ontology Language Ngôn ngữ ontology web Resource Description RDF Khung mô tả tài nguyên Framework Resource Description Framework Schema Lược đồ khung mô tả tài nguyên SPARQL Protocol and RDF Giao thức SPARQL ngôn ngữ SPARQL Query Language truy vấn RDF URL Universal Resource Locator Định vị tài nguyên chung XML Extensible Markup Language Ngôn ngữ đánh dấu mở rộng W3C World Wide Web Consortium Tổ chức mạng toàn cầu RDFS vii DANH MỤC CÁC BẢNG Bảng 3.1: Các lớp định nghĩa FOAF 27 Bảng 3.2: Một số thuộc tính định nghĩa FOAF 29 Bảng 3.3: Danh sách quan hệ 31 Bảng 4.1: So sánh kết dự đoán mối quan hệ bạn hai thuật toán 44 viii DANH MỤC CÁC HÌNH VẼ Hình 1.1: Các mạng xã hội [2] Hình 1.2: Các mạng xã hội hoạt động nay[21] Hình 1.3: Mạng xã hội Twitter [2] Hình 1.4: Mạng xã hội Instagram [2] Hình 1.5: Mạng xã hội Google Plus [2] Hình 1.6: Đồ thị tin cậy [1] 10 Hình 1.7: Sơ đồ biểu diễn chuỗi tin cậy 12 Hình 1.8: Mơ tả tính tổng hợp tin cậy 13 Hình 1.9: Đồ thị đơn giản (phía bên trái) mơ tả Pajek NET, UCINET DL định dạng GraphML [5] 14 Hình 1.10: Ví dụ trường hợp nhận dạng lý luận [20] 15 Hình 2.1: Sơ đồ thể liệu mạng xã hội [2] 19 Hình 2.2: Quan hệ xã hội Tony [2] 21 Hình 2.3: Sơ đồ biểu diễn độ đo tin cậy dựa khoảng cách [1] 22 Hình 2.4: Đồ thị biểu diễn độ đo trung bình cộng 23 Hình 2.5: Ứng dụng TrustMail [20] 25 Hình 3.1: Thuật tốn tính độ tin cậy mối quan hệ láng giềng [3] 32 Hình 3.2: Độ tin cậy mạng xã hội [3] 35 Hình 4.1: Cơ sở liệu FOAF 37 Hình 4.2 Giao diện thực truy vấn SPARQL 42 Hình 4.3: Giao diện tính độ tin cậy người 42 Hình 4.4: Giao diện kết trust 43 Hình 4.5: Giao diện tìm độ tin cậy người tập liệu 43 ix TRÍCH YẾU LUẬN VĂN Qua q trình nghiên cứu thực luận văn, tác giả đạt kết sau: Nắm kiến thức mạng xã hội, cũng tính năng, thành phần mục tiêu mạng xã hội, giới thiệu mạng xã hội thịnh hành nay, đặc biệt Facebook Hiểu biết khái niệm, cách biểu diễn, thuộc tính tin cậy nghiên cứu liên quan đến biểu diễn liệu mạng xã hội Nghiên cứu phương pháp biểu diễn liệu mạng xã hội dạng Ontology, đặc biệt mô tả thông tin người dùng qua tập tin RDF từ xây dựng biểu đồ quan hệ xã hội người dùng Giới thiệu số công thức tính độ tin cậy dựa khoảng cách mạng tin cậy, tính độ tin cậy trung bình cộng số ứng dụng việc tính độ tin cậy Trình bày cấu trúc FOAF (Friend of A Friend), FOAF thể đặc trưng để biểu diễn thơng tin người, nhóm, tổ chức thông tin liên quan khác đặc biệt người khác mà người quen biết Đưa phương pháp để xác định độ tin cậy dựa tương tác, sở thích, mức độ quan hệ áp dụng cơng thức để rút trích liệu FOAF, tính tốn độ tin cậy, xây dựng mạng tin cậy dựa mở rộng FOAF Tìm hiểu cấu trúc FOAF nhằm mô tả đối tượng mối quan hệ chúng, xây dựng mạng tin cậy dựa mở rộng FOAF, thu thập liệu từ mạng xã hội Facebook Tác giả đề xuất cải tiến thuật tốn tính độ tin cậy dựa mối quan hệ xã hội, đồng thời xây dựng ứng dụng tính độ tin cậy dựa vào mối quan hệ tập tin RDF người mạng Facebook Ứng dụng khai thác điểm quan trọng mạng xã hội tin cậy vào mối quan hệ, liên kết bạn bè, người thân, người quen biết để từ khai thác thơng tin tính độ tin cậy người với người khác tập liệu Từ khóa: Ontology, FOAF, độ tin cậy x PREFIX foaf: SELECT ?x?name ?x?knows WHERE { ?x foaf:name ?name ?y foaf:knows ?knows } Phương pháp tính độ tin cậy: Để tính độ tin cậy người dùng người dùng lại, ta thực theo cách xét tất mối quan hệ người dùng tập mối quan hệ để tính độ tin cậy mối quan hệ Tác giả cải tiến phương pháp tính độ tin cậy cách xét thêm yếu tố có điểm chung WorkPlaceHomePage, SchoolHomePage Nếu giá trị giống gán theo trọng số ước lượng, ngược lại gán =0 Tác giả thực khảo sát phân tích tập liệu FOAF lấy từ 2044 trang web với tổng số 201,612 thẻ RDF; q trình phân tích tập liệu RDF tác giả nhận thấy mối quan hệ hai đối tượng liên quan thông qua hai yếu tố Schoolhomepage workplacehomepage, hai yếu tố chưa khai thác nghiên cứu liên quan Sau khảo sát phân tích, tác giả đưa ngưỡng giá trị từ (0, 0.5, 0.75, 1) hai tham số nhiều tập liệu RDF đề xuất giá trị gần so với ý kiến chun gia thơng qua đánh giá mơ hình Confusion Matrix báo tham khảo [3] Việc bổ sung hai tham số có tác động : tăng giá trị độ tin cậy hai đối tượng xét có chung hai tham số ; trường hợp hai khơng có điểm chung, giá trị độ tin cậy không thay đổi Các yếu tố làm giảm độ tin cậy mối quan hệ xấu thuộc tính “Relation Ship”, trường hợp người dùng xét có nhiều mối quan hệ xấu, kết giá trị tin cậy giảm Tiếp theo tác giả xét yếu tố sở thích chung Mỗi người dùng v mạng xã hội có sở thích quan tâm đến M lĩnh vực khác nhau, M={domainsv} Vì vậy, tác giả dùng cơng thức (*) để tính độ giống sở thích người dùng v v’ 38 (*) Đầu vào: - v người dùng - V tập tất mối quan hệ v thể file rdf Đầu ra: Độ tin cậy ft Thuật toán: Với quan hệ v’ thuộc V Gọi r kiểu quan hệ v v’ Nếu r có kiểu quan hệ - Close relationships ft(v,v’)=1; - Friendships ft(v,v’)=0.75; - Acquaintance ft(v,v’)=0.5; - Superficial acquaintance ft(v,v’)=0.25; - Ngồi ft(v,v’)=0; Gọi wt là giá trị đo lường điểm giống quan hệ xét theo Workhomeplace Nếu wtv=wtv’ wt(v,v’)=0.75 Gọi ht giá trị đo lường điểm giống quan hệ xét theo Schoolhomepage Nếu htv=htv’ ht(v,v’)=0.5 Gọi st giá trị tính điểm chung sở thích (interest) quan hệ v, v’ St (v,v’) =( |domainsv  domainsv’) / domainsv Khi 𝑓𝑡 = ∑𝑛𝑖=1[𝑓𝑡 (𝑣, 𝑣 ′ 𝑖 ) + 𝑤𝑡(𝑣, 𝑣′𝑖 ) + ℎ𝑡(𝑣, 𝑣 ′ 𝑖 )]/3 + 𝑠𝑡(𝑣, 𝑣 ′ 𝑖 )] với n số 𝑛 quan hệ v V Mã giả thuật toán Begin {1} ft=0; {2} 39 for i:=1 to n-1 {3} for j:=n downto i+1 {4} begin {5} if(r(a[i],a[j])='Close relationships') {6} ft=1; {7} if(r(a[i],a[j])='Friendships') {8} ft=0.75; {9} if(r(a[i],a[j])='Acquaintance') {10} ft=0.5; {11} if(r(a[i],a[j])='Superficial acquaintance') {12} ft=0.25; {13} if(r(a[i],a[j])='Bad acquaintance') {14} ft=0; {15} if(r(a[i],a[j])=’Work relationship’) {16} ft=0.75; {17} if(r(a[i],a[j])=’Work relationship’) {18} ft=0.5 {19} end; {20} end; {21} Nhận xét: phép tính so sánh gán bổ sung thêm thuộc tính Schoolhomepage workplacehomepage nằm vòng lặp for {4} Các phép gán tốn O(1), phép so sánh tốn O(1), theo quy tắc cộng từ đoạn lệnh {6} -> {19} tốn O(1) Các phép tính thực n-i lần vịng for {4} có độ phức tạp O((n-i)* 1) = O(n-i) Theo quy tắc lấy giá trị lớn vịng for {4} có độ phức tạp O(n-1) Trong vòng lặp for {3} phép toán thực n lần, độ phức tạp thuật toán là: O(n.(n-1)) = O(n^2) 40 Như độ phức tạp thuật tốn khơng thay đổi so với thuật toán ban đầu báo [3] Tác giả sử dụng cơng thức tính The Friendship Trust báo “A Novel Method of Direct Trust Computation for Generating Trusted Social Networks” Sana HAMDI [3] đề xuất thêm yếu tố WorkPlaceHomePage, SchoolHomePage, kết hợp với cơng thức tính mối quan tâm (interest) tác giả để cải tiến thuật tốn nhằm đạt mục đích tăng giá trị độ tin cậy Cài đặt thuật toán: Input: liệu foafPub lưu trữ sở liệu MySQL Server, Người dùng X Output: Độ tin cậy (trust) X dựa mối quan hệ xã hội Các bước thực hiện: Bước 1: Đọc liệu từ sở liệu Bước 2: Thực câu lệnh truy vấn SPARQL (Protocol and RDF Query Language ) theo tên người dùng X Bước 3: Tương ứng với mối quan hệ X kết thu ta thực tính giá trị Trust giá trị trung bình (các mối quan hệ) + giá trị trung bình (các yếu tố) + giá trị trung bình (sở thích) - Giao diện ứng dụng cho phép chọn sở liệu thực truy vấn SPARQL Người dùng thực truy vấn cách sử dụng ngôn ngữ SPARQL, kết thu sau: 41 Hình 4.2 Giao diện thực truy vấn SPARQL Giao diện tính độ tin cậy người tập liệu: Hình 4.3: Giao diện tính độ tin cậy người Giao diện kết Trust 42 Hình 4.4: Giao diện kết trust Giao diện tìm độ tin cậy người tập liệu: Hình 4.5: Giao diện tìm độ tin cậy người tập liệu 43 4.2 Đánh giá kết ứng dụng trust cài đặt theo công thức cải tiến So sánh thuật toán báo IRIS [3] với thuật toán cải tiến: Xét tập liệu Tatsuhiko Miyagawa: Có 29 người có mối quan hệ với Tatsuhiko Miyagawa, đó: 20 người bạn, khơng phải bạn +Bạn : 20 người (Kazuhiro Taguchi, Naoya Ito, Hiroyuki Nishimura, Mamoru Shimizu, Takefumi Kimura, Takafumi Horie, Shinichiro Ooba, Masahide Kanzaki, Yuichi Kawasaki, Kengo Nonaka, Tony Bowden, Gen Taguchi, Tomohiro Ikebe, Hiroyuki Oyama, Daiji Hirata, Akihiro Tsukui, Simon Cozens, ???? DJ, Ikki Ohmukai, Yukikazu Ariga) +Không phải bạn: người (Daiya Hashimoto, Rael Dornafest, Tatsuo Yamashita, Noriyuki Yamazaki, Kyo Nagashima, Kotaro Yamagishi, Satoru Takabayashi, Yoshikazu Tanaka, Takanori Kawai) Giả sử chọn ngưỡng giá trị Trust =0.5 tiêu chí để kết luận bạn (Y), ngược lại bạn (N) Sau cài đặt thuật tốn ta có kết sau: Bảng 4.1: So sánh kết dự đoán mối quan hệ bạn hai thuật toán No UserName Relationship A Friend Bài Luận Thực Báo Văn Tế Tatsuhiko Miyagawa engagedTo Kazuhiro Taguchi Y Y Y Tatsuhiko Miyagawa grandchildOf Naoya Ito Y Y Y Tatsuhiko Miyagawa childOf Hiroyuki Nishimura Y Y Y Tatsuhiko Miyagawa parentOf Mamoru Shimizu Y Y Y Tatsuhiko Miyagawa closeFriendOf Takefumi Kimura Y Y Y Takefumi Kimura lifePartnerOf Takafumi Horie Y Y Y 44 No UserName Relationship A Friend Bài Luận Thực Báo Văn Tế Tatsuhiko Miyagawa livesWith Shinichiro Ooba Y Y Y Tatsuhiko Miyagawa siblingOf Masahide Kanzaki Y Y Y Tatsuhiko Miyagawa colleagueOf Yuichi Kawasaki Y Y Y 10 Tatsuhiko Miyagawa employedBy Kengo Nonaka Y Y Y 11 Tatsuhiko Miyagawa employerOf Tony Bowden N Y Y 12 Tatsuhiko Miyagawa friendOf Gen Taguchi N Y Y 13 Tatsuhiko Miyagawa mentorOf Tomohiro Ikebe N Y Y 14 Tatsuhiko Miyagawa worksWith Hiroyuki Oyama N Y Y 15 Tatsuhiko Miyagawa collaboratesWith Daiji Hirata N Y Y 16 Tatsuhiko Miyagawa knows Akihiro Tsukui N N Y 17 Akihiro Tsukui knows Simon Cozens N N Y 18 Simon Cozens friendOf ???? DJ N N Y 19 Tatsuhiko Miyagawa influencedBy Ikki Ohmukai N N Y 20 Tatsuhiko Miyagawa knows Yukikazu Ariga N N Y 21 Tatsuhiko Miyagawa knows Daiya Hashimoto N N N 22 Tatsuhiko Miyagawa knows Rael Dornafest N N N 23 Tatsuhiko Miyagawa antagonistOf Tatsuo Yamashita Y Y N 45 No UserName Relationship A Friend Bài Luận Thực Báo Văn Tế 24 Tatsuo Yamashita enemyOf Noriyuki Yamazaki Y Y N 25 Tatsuhiko Miyagawa hasMet Kyo Nagashima Y Y N 26 Tatsuhiko Miyagawa knows Kotaro Yamagishi Y Y N 27 Tatsuhiko Miyagawa knowsInPassing Satoru Takabayashi Y Y N 28 Tatsuhiko Miyagawa hasMet Yoshikazu Tanaka Y Y N 29 Yoshikazu Tanaka knows Takanori Kawai Y Y N Đánh giá thuật tốn thơng qua phân tích Confusion Matrix (CM) [3] - TP (True Positive): tổng số người mà thuật toán đánh giá bạn Tatsuhiko Miyagawa Luận văn 15 Bài báo 10 - FP (False Positive): tổng số người mà thuật toán đánh giá bạn Tatsuhiko Miyagawa, thực tế theo kết liệu mẫu, khơng phải bạn Luận văn Bài báo - FN (False Negative): tổng số người mà thuật tốn đánh giá khơng phải bạn Tatsuhiko Miyagawa, thực tế bạn Bài báo Luận văn 10 Công thức xác định Precision, Recall Fscore sau: Precision = Recall = TP TP + FP TP TP + FN 46 Fscore = x Precision x Recall Precision + Recall Bài Báo Luận Văn Precision 10 = 0.59 10 + 15 = 0.68 15 + Recall 10 = 0.5 10 + 10 15 = 0.75 15 + Fscore x 0.59 x 0.67 x 0.68 x 0.75 0.59 + 0.67 = 0.63 0.68 + 0.75 = 0.71 *Nhận xét: Thuật toán sau cải tiến thu kết sau: Ta cần dự đoán kết 29 người có mối quan hệ với người xét xem họ có phải bạn hay khơng Dưới thuật tốn tác giả dự đốn:  15 người bạn thực tế 20 người bạn, dự đoán tác giả đạt tỉ lệ 68%  người bạn thực tế người không phải, dự đốn đạt tỉ lệ 75%  Tỉ lệ xác cho thuật toán đạt 71% 47 KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN Qua trình nghiên cứu thực đề tài luận văn, tác giả thu kết mong đợi, đồng thời cũng nhận thấy số hạn chế, từ đề xuất số hướng khắc phục cũng phát triển thêm đề tài Cụ thể sau: Kết mặt lý thuyết - Nghiên cứu công nghệ liên quan Semantic Web, ứng dụng mã nguồn mở để cài đặt xử lý liệu ontology; - Tìm hiểu mạng xã hội, cách biểu diễn liệu mạng xã hội dạng ontology; - Tìm hiểu đồ thị tin cậy, cơng thức tính đồ thị tin cậy cách thức cài đặt thuật toán tính độ tin cậy - Tìm hiểu cách đánh giá kết sau tính độ tin cậy Kết mặt ứng dụng Xây dựng chương trình Web có chức năng: • Tính độ tin cậy người dùng tập liệu • Tính độ tin cậy từ người A đến hàng xóm A tập liệu • Cho phép người dùng đưa tập tin RDF vào nguồn liệu, để thực câu lệnh truy vấn ngơn ngữ SPARQL • Chương trình cải tiến thuật toán IRIS [3] với việc thêm số yếu tố liên quan khác như: WorkPlaceHomePage, SchoolHomePage, đồng thời kết hợp với cơng thức tính mối quan tâm (interest) đạt độ tin cậy xác Hạn chế Do hạn chế thời gian nghiên cứu để thực kiến thức cũng kinh nghiệm thân, chương trình cịn số khuyết điểm: - Giao diện đơn giản; - Tốc độ hoạt động hệ thống q trình khai phá tri thức cịn chậm 48 Hướng phát triển - Nghiên cứu kết hợp thuật tốn tính độ tin cậy dựa mối quan hệ xã hội khai thác thêm yếu tố khác - Xây ứng dụng cung cấp khả suy luận tự động dựa mối quan hệ tin cậy nhằm đưa gợi ý xác cho người sử dụng - Nghiên cứu biểu diễn mối quan hệ mạng xã hội khác như: Google.com, Yahoo.com, Youtube.com, wikipedia.org 49 TÀI LIỆU THAM KHẢO Tài liệu tiếng Việt [1] Nguyễn Đức Vinh, Nghiên cứu độ đo tin cậy áp dụng vào hệ thống tư vấn, Hà Nội, 2011 [2] Nguyễn Minh Nga, Trần Thanh Tùng, Xây dựng ứng dụng quảng cáo đánh giá sản phẩm mạng xã hội dựa vào phản hồi người dùng, TP Hồ Chí Minh, 2012 Tài liệu tiếng Anh [3] Sana HAMDI, Alda LOPES GANCARSKI, Amel BOUZEGHOUB, Sadok BEN YAHIA, A Novel Method of Direct Trust Computation for Generating Trusted Social Networks, 2012 [4] T Berners-Lee, J Hendler, and O Lassila, The Semantic Web, Scientific American, 2001 [5] Péte Mika, Social network and the Semantic web, 2006, 1-219 [6] Staab, S.; Domingos, P.; Mike, P.; Golbeck, J.; Ding, L.; Finin, T.; Joshi, A.; Nowak, A & Vallacher, R., Social networks applied, Intelligent Systems, IEEE, 2005, 20, 80 – 93 [7] Brickley, D & Miller, L., FOAF Specification, , Available at http://xmlns.com/FOAF/spec/, 2007 [8] Kumar, R.; Ragbavan, P.; Rajagopalan, S & Tomkins, A., The Web and social networks, Computer, 2002, 35, 32 – 36 [9] Stefania Galizia, WSTO: A Classification-Based Ontology for Managing Trust in Semantic Web Services, Lecture Notes in Computer Science, Vol 4011, pp697-711 [10] Deutsch, Morton Cooperation and Trust Some Theoretical Notes.InJones, M.R (ed) Nebraska Symposium on Motivation Nebraska University Press, 1962 [11] Deutsch, Morton.TheResolutionofConflict New HavenandLondon: Yale University Press, 1973 [12] Golebmiewski, R., McConike, M.The centrality of interpersonal trustin group processes In Cooper, G.L (Ed.)Theories of Group Processes,NJ: Wiley, 1975 50 [13] Shapiro,Susan Social Control of Impersonal Trust The American Journal of Sociology, 93(3): 623-658, 1987 [14] Sztompka, Piotr Trust: A Sociological Theory.Cambridge University Press,1999 [15] Gray, Elizabeth, Jean-Marc Seigneur, Youg Chen, Christian Jensen Trust PropagationinSmallWorlds.In ProceedingsoftheFirstInternational Conference on Trust Management LNCS 2692, Springer-Verlag, 2003 [16] Guha, R., R Kumar, P Raghavan, A Tomkins Propagation of Trust and Distrust.Proceedingsofthe13thAnhnualInternationalWorldWideWeb Conference, New York, NY, 2004 [17] JØsang, A The Right Type of Trust for Distributed Systems Proceedings ofthe 1996 New Security Paradigms Workshop, 1996 [18] JØsang, Audun, Elisabeth Gray, Michael Kinateder Anhalysing Topologies of Transitive Trust.Proceedings ofthe FirstInternational Workshop on Formal Aspectsin Security & Trust (FAST2003), 2003 [19] J Golbeck, Generating predictive movie recommendations from trust in social networks In Proceedings of The Fourth International Conference iTrust’06, pages 93–104, Pisa, Italy, May 16-19, 2006 [20] J Golbeck Trust and nuanced profile similarity in online social networks ACM Transactions on the Web, TWEB’09, 3(4):93–104, 2009 [21] W Guth, F Mengel, and A Ockenfels Anh evolutionary analysis of buyer insurance and seller reputation in online markets Theory and Decision, 63(3):265–282, 2006 [22] Anhtoniou, G and van Harmelen, F A Semantic WebPrimer MIT Press, 2004 Trang Web: [23] Wikipedia,https://vi.wikipedia.org/wiki/Dịch_vụ_mạng_xã_hội, ngày truy cập 12/01/2020 [24] Satista, https://www.statista.com/statistics/272014, ngày truy cập 11/01/2020 [25] Wikipedia, https://vi.wikipedia.org/wiki/Facebook, ngày truy cập 15/01/2020 [26] W3C, The Semantic Web Activity, 2001, ngày truy cập 10/02/2020 51 [27] W3C, Resource Description Framework (RDF), in Semantic Web, 2004, ngày truy cập 20/02/2020 [28] W3C, Web Ontology Language (OWL), 2004, ngày truy cập 12/02/2020 [29] We Are Social USA – Global socially-led creative agency, https://wearesocial.com, ngày truy cập 02/01/2020 [30] Apache Jena, https://jena.apache.org, ngày truy cập 14/01/2020 52 ... hợp giá trị độ tin cậy với cạnh liên kết hai người dùng với nhau, có mạng xã hội đáng tin cậy định nghĩa Mạng xã hội đáng tin cậy biểu đồ đáng tin cậy TSN  (SN , DT ) SN mạng xã hội DT hàm giá. .. hệ mạng xã hội để giải tốn tính độ tin cậy mạng xã hội; Góp phần xây dựng ứng dụng để tính độ tin cậy quan hệ mạng xã hội, cụ thể mạng xã hội Facebook; Tạo tài liệu đáng tin cậy cho muốn nghiên. .. liệu đáng tin cậy cho muốn nghiên cứu lĩnh vực Ontology Mạng xã hội CHƯƠNG 1: MẠNG XÃ HỘI VÀ ĐỘ TIN CẬY 1.1 Mạng xã hội 1.1.1 Mạng xã hội ? Mạng xã hội mơ hình mạng (đồ thị) cấu tạo đỉnh cạnh Các