基于BP学习的P2P网络信任度评价模型优化
由于P2P营销网络中随机性和模型固态性因素的存在,导致信任度评价误差较大.提出一种基于自适应BP神经网络加权学习的P2P网络商家信任度评价模型.采用网络爬虫和关联规则挖掘方式实现P2P网络信任度评价的关联大数据信息采样,以卖家商业信誉、网络平台可靠性和网络环境安全性一级指标,将原始网络信任度特征量输入到BP神经网络中,设置信任度评价模型的模糊约束参量,采用极限自适应学习算法得到信任度评价全局最优解,挖掘P2P网络商家信任度的关联规则特征量,实现对网络信任度的优化评价.仿真结果表明,采用该方法进行P2P网络商家信任度评价的准确性较高,置信度水平较好,对信任度关联数据挖掘的准确性较好.
网络拓扑、大数据、P2P、信任度评价、BP神经网络、数据挖掘
38
TP393;TN911(计算技术、计算机技术)
2019-08-05(万方平台首次上网日期,不代表论文的发表时间)
共5页
38-42