[摘要]社交网络的个人信用问题现已成为社会的热点话题之一，因此，建立社交网络信用评价模型尤为重要。首先，通过问卷收集得到的数据，再通过梳理大量文献构建了社交网络个人信用评价指标体系；其次，将IGSO-BP协同集成学习算法应用于社交网络信用评价中，建立基于IGSO-BP协同集成学习算法的社交网络信用评价模型；最后，对IGSO-BP算法模型进行可行性与有效性验证。通过对社交网络个人信用评价模型研究，以期有效监管、约束网民的社交行为，更深层次地有效推动我国互联网积极健康的发展。
[关键词]改进萤火虫算法；BP神经网络；社交网络；信用评价
孔子曰：“言必行，行必果”。几千年来，诚信一直是炎黄子孙所传承的优良品德。随着社会的快速发展，我国社会诚信和信用水平缺失问题越发突出。社会信用体系建设引起了党中央、国务院的高度重视，而个人信用则是整个体系成立的基础。随着近年来互联网的快速发展，网络中各种失信现象层出不穷，在一定程度上阻碍了社交网络的进一步发展，也给广大网民朋友们造成了极大的困扰[1]。胡圣知等人[2]（2016）也深刻分析了社交网络中存在的众多失信现象，暴露出了网民信用严重缺失等问题。因此，在实践中对其构建一个稳定高效的信用评价模型具有极强的积极的现实意义，不仅可以有效监管、约束网民的社交行为，纵深推进我国互联网积极健康地发展。构建社交网络个人信用评价指标体系，将IGSO-BP协同集成学习算法应用于社交网络信用评价中，建立基于IGSO-BP协同集成学习算法的社交网络信用评价模型，对IGSO-BP算法模型进行可行性与有效性验证。通过对社交网络个人信用评价模型研究，以期有效监管、约束网民的社交行为，更深层次地有效推动我国互联网积极健康的发展，具有较大的理论价值与实践意义。
布莱德先生说：“南希是我们这里的一个病人，患乳腺癌，人很年轻，只有44岁。她在这里住了四周，刚住进来的时候，非常紧张，非常恐惧。经过训练，她变得很平静了。刚才去世的时候，她十分安详。”
1 社交网络与用户信用评价指标体系的构建
信用评价指标体系的构建是进行信用评估的基础，我国国内对于个人信用评估方面的研究已颇有建树，但是对于社交网络用户信用评估方面的研究却少之又少。国际对于信用评价通常选用5C要素分析法[3]，国内部分学者也对社交网络用户信用评价指标体系的构建展开了一定的研究，但由于相关的研究较少，因此还没有相应成熟的评价指标体系。徐昕虹等人[4]（2013）针对微博用户构建了相关信用评价指标体系，分别从用户身份、在线行为、信用关联、历史诚信等四个角度进行相关分析。李向华等人[5]（2015）通过社交网络用户与评价指标的亲疏关系将信用评价指标分为内外两个部分并以此构建信用评价指标体系。闫瑞姣[6]（2017）重新量化定义原有的评价指标体系，并通过特征选择对现有的评价指标进行剔除，从而提高评估的精度与准度。
通过对上述文献的梳理整理，本研究通过对已有的相关文献资料进行研究分析，通过对现有评估指标体系的重建，得出具体社交网络用户信用指标体系如下表1所示：
表1 社交网络用户信用评价指标体系
一级指标 二级指标 三级指标用户信息A基本情况信息A1 信息完整度A11认证情况A12影响力信息A2 粉丝数量A21用户知名度A22在线行为B发布行为B1 信息发布情况B11信息转发情况B12虚假欺诈行为B2 虚假信息情况B21欺诈信息情况B22其他行为B3 其他在线行为信息B31用户反应信息C1信息点赞次数C11信息转发次数C12信息收藏次数C13关注用户评价情况C21陌生人评价情况C22陌生人评价情况C23网站信用评价信息C24其他评价信息C3 其他信息评价信息C31诚信评价D 奖励数据D1 账号等级D11奖励情况D12惩罚数据D2 已核实被举报情况D21信任关联C反馈评价信息C2
2 基于改进萤火虫算法的BP神经网络协同集成算法
IGSO-BP协同集成算法[7-8]主要原理是BP神经网络结构主要的输入输出都是由具体的参数决定，这就需要同时对萤火虫个人编码长度进行确认。在网络当中每只萤火虫携带着全部权值和阈值，并计算获得每只萤火虫个体的适应度函数值，通过不断的进行迭代，使得每只萤火虫的位置、荧光素等参数不断的被更新调整，以此找到与萤火虫相互对应的最佳适应度函数。当经过优化并携带者神经网络的全部权值和阈值的萤火虫个体将被重新赋予到BP神经网络，即得到由改进的萤火虫算法和BP神经网络并行集成的学习算法，为构建社交网络用户信用评价模型提供必要条件。
具体步骤为：一是编码，即对大学生个人信用评价指标进行细化处理，进而从中选出适宜的指标，构建BP神经网络结构，针对每一只萤火虫个体情况而言，编码需要站在网络层面的所有权值和阈值整体角度上进行。二是参数初始化，即对于随机性为基础属性产生的萤火虫种群，需为其设置各类参数，如荧光素等，而迭代计数器初始值是IGSO算法中最大迭代次数。三是计算适应度函数值，即编码的萤火虫需要进一步解码，不断对BP神经网络中的权值和阈值实现更新调整，以便能够进行有效的训练和测试，实现网络的检验，并查找出其中存在的误差问题。在测试分析当中还需要选择预测值和期望值的均方误差，将这一误差作为适应度函数，根据公式实现每一代萤火虫荧光素的更新变化。四是萤火虫位置更新，利用Hamming公式计算出萤火虫之间的距离，公式主要用于对邻域集的计算，公式用于对萤火虫移动概率进行计算。其次需运用到轮盘赌法才可以对目标对象进行选择，按照萤火虫移动策略展开移动，同时需要对每一个维度值进行实时更新。五是决策半径更新。基于公式更新萤火虫的动态感知半径。六是判断结束条件。这一条件主要是对迭代次数进行对比，小于最大次数时，需重新对适宜度函数值进行计算，并进行新的迭代。进而能够获取到该网络最为理想的权值和阈值赋予BP网络并得到最终结果。
本文选用200个社交网络样本数据集构建训练样本集和测试样本集。社交网络个人信用评价部分样本数据主要见下表3，其中表示每个样本的20个指标，为信用评价，并采用2位二进编码。表示信用优秀（1，0，0，0）；表示信用良好（0，1，0，0）；表示信用一般（0，0，1，0）；表示信用较差（0，0，0，1）。以此 IGSO-BP 神经网络模型。
3 IGSO-BP模型在社交网络用户信用评价中的应用
3.1 数据处理及样本构建
（2）柱梁质量控制：确保浇筑柱混凝土的一次成型，应当将30mm厚的水泥砂浆进行底部铺设，然后再确定水泥砂浆强度与混凝土强度一致时，再进行混凝土的浇筑实时，且进行一排柱的浇筑工作时，需要遵循从两端到中间的浇筑操作，避免出现浇筑变性的情况。对于梁与板的同一浇筑操作，需要先将梁浇筑到板底后，才能进行板的浇筑。
3.2 IGSO-BP神经网络模型构建
为了能够测试模型有效性，本次研究将利用Matlab进行基础测试，选取社交网络个人信用评价有关数据作为样本，此次选择200条社交网络用户个体相关数据作为样本，其中前150名是训练样本，后50名作为测试样本，最终整体网络训练最小误差为
由于BP神经网络的权值和阈值为10位二进制数，所以离散型的每只萤火虫长度为6290位。同时，分别选用S型切线、S型对数函数作为神经网络隐含层神经元和输出层神经元的传递函数。IGSO相关参数如下初始种群规模最大迭代次数
2.1 三组患者手术相关指标的比较 三组患者手术时间、术中出血量、手术费用比较差异有统计学意义(P<0.01)。其中，鼻窦开放组和上颌窦根治组手术时间长于球囊扩张组(P<0.01)，术中出血量大于球囊扩张组(P<0.01)，手术费用低于球囊扩张组(P<0.01)。见表1。
3.3 模型的检验与信用评价
通过计算可知，本研究的BP神经网络的输入层则隐含层输出层这一神经网络输入层、隐含层、输出层当中包括16、33和2个神经元结点。这一网络的结构就是16-32-2。且该神经网络共包含有个权值和个阈值，IGSO优化参数为629。
图1 三种算法寻优过程对比曲线
由上图1可知，IGSO算法经过了30次迭代的整体优化之后，该网络的训练样本实际误差不断趋向于0。对比其他的智能算法可以明显看出，在同等的迭代次数下，IGSO-BP算法在计算的精度和收敛速率等方面来看，比传统的萤火虫算法改进的BP神经网络（GSO-BP）和传统的BP神经网络更强、更加快速，其优势较为明显。因此，该算法可以更为有效的提升其对于社交网络用户的个人信用评价精准度，同时也更加有利于构建精确、科学合理的社交网络用户评价模型。
4 结语
4.1 结论
本研究首先在梳理大量学者文献资料的基础上重新构建一套科学合理的大学生个人信用评价体系，随后借鉴和应用萤火虫优化算法的基本原理，进一步展开并行协同优化，进而实现了IGSO-BP神经网络协同集成算法，基于此构建了能够体现出我国网络信用情况的个人网络信用评价模型。通过Matlab仿真实验，实验结果验证该模型能够解决传统的BP模型存在的收敛速度慢等缺陷，且获取较为理想的训练效果，为后续构建社交网络个人信用评价模型提供必要参考和借鉴。本文对社交网络个人信用评价模型研究，以期有效监管、约束网民的社交行为，更深层次的有效的推动我国互联网积极健康的发展。
品粥时那种润物细无声的味觉感受，让人仿佛置身于空灵明净的佛园。痛苦时、落魄时、烦闷时、心浮气躁目空一切时，你都不妨坐下来喝一碗粥，也许在不知不觉间，心中便有一阵春风悄然拂来了。
4.2 提高社交网络个人信用度的政策建议
为进一步提高社交网络个人信用评价指标体系的合理性和信用评价制度的科学性。对政府、国内各大网络媒体及网民们提出以下几点建议：加强信息公开，进一步加速我国互联网的实名制进程，降低互联网的虚拟性程度，有效约束我国网民的行为；监管部门要进一步提升监管的技术水平，运用技术手段提升监管效能；建立信用机制，加强信息互通、共享，全面掌控个人及各经济主体的信用情况；建立权责利统一的执行落地机制，大力推进联合奖惩，奖罚分明，从科学合理的使网民个人信用绿色健康的发展。
【参考文献】
[1]胡圣知.网络言论的诚信义务及规范[D].武汉：武汉纺织大学 ， 2012.
[2]刘洪波，戈志武.治理网络失信问题的对策与思考[J].征信，2016(6):14-17.
[3]孙薇.浅析信用风险评价方法[J].沿海企业与科技 ，2005(04):68-69.
[4]徐昕虹.网络空间用户信用评估技术研究[D].海：上海交通大学 ，2013.
[5]李向华，杜鹃.社交网络用户信用评价指标体系研究[J].标准科学 ，2015(01):76-78.
[6]闫瑞姣.基于社交网络的信用评估模型的研究与实现[D].太原：中北大学，2017.
[7]李敬明.萤火虫群智能优化算法及其应用研究[D].合肥：合肥工业大学，2017.
[8]李敬明，倪志伟，朱旭辉，许莹.基于改进二进制萤火虫的BP神经网络并行集成学习算法[J].模式识别与人工智能 ，2017，30(02):171-182.
[中图分类号]F224.33
[文献标识码]C
[文章编号]2096-1995(2019)06-0005-02
基金项目：2018年国家级大学生创新创业训练项目“基于IGSO-BP协同集成学习算法的社交网络用户信用评价方法研究”（编号：201810378194）。
作者简介：袁章帅（1997—），男，安徽合肥人，安徽财经大学管理科学与工程学院，2016级本科生，信息管理与信息系统专业。
标签：社交论文; 网络论文; 信用评价论文; 神经网络论文; 萤火虫论文; 社会科学总论论文; 社会学论文; 社会生活与社会问题论文; 《科技经济导刊》2019年第6期论文; 安徽财经大学管理科学与工程学院论文; 宿州学院论文;