KGTrust: Evaluating Trustworthiness of SIoT via Knowledge Enhanced Graph Neural Networks

要約

ソーシャル モノのインターネット (SIoT) は、ソーシャル ネットワーキングの概念をスマート オブジェクト (モノ) に注入する、有望で新たなパラダイムであり、次世代のモノのインターネットへの道を開きます。
しかし、リスクと不確実性があるため、SIoT内で信頼関係を確立すること、つまり信頼評価は解決すべき重要かつ緊急の課題です。
信頼評価のためのグラフ ニューラル ネットワークは通常、ノードの特性を理解するために one-hot や node2vec などの簡単な方法を採用しますが、これはノードに付随する貴重なセマンティック ナレッジを無視します。
さらに、SIoT の基礎となる構造は、通常、異種グラフ構造とペアワイズ信頼関係の両方を含む複雑であり、情報伝達中に SIoT 信頼のプロパティを維持することが難しくなります。
これらの前述の問題に対処するために、SIoT でのより良い信頼評価のための新しい知識強化グラフ ニューラル ネットワーク (KGTrust) を提案します。
具体的には、ユーザーとオブジェクトのセマンティクスについてより深い洞察を得るために、まずユーザーのコメント行動とオブジェクトの説明に関連する外部の構造化トリプルから有用な知識を抽出します。
さらに、異種グラフ構造、ノードセマンティクス、および拡張された信頼関係を利用して、トラスターまたはトラスティとしてのユーザーの観点からノードの埋め込みを学習する識別畳み込み層を導入し、情報伝播中に SIoT 信頼のマルチアスペクトプロパティを効果的にキャプチャします。
.
最後に、ペアワイズ ノード間の信頼関係を推定するために、信頼予測層が開発されます。
3 つの公開データセットでの広範な実験により、最先端の方法よりも KGTrust の優れたパフォーマンスが示されています。

要約(オリジナル)

Social Internet of Things (SIoT), a promising and emerging paradigm that injects the notion of social networking into smart objects (i.e., things), paving the way for the next generation of Internet of Things. However, due to the risks and uncertainty, a crucial and urgent problem to be settled is establishing reliable relationships within SIoT, that is, trust evaluation. Graph neural networks for trust evaluation typically adopt a straightforward way such as one-hot or node2vec to comprehend node characteristics, which ignores the valuable semantic knowledge attached to nodes. Moreover, the underlying structure of SIoT is usually complex, including both the heterogeneous graph structure and pairwise trust relationships, which renders hard to preserve the properties of SIoT trust during information propagation. To address these aforementioned problems, we propose a novel knowledge-enhanced graph neural network (KGTrust) for better trust evaluation in SIoT. Specifically, we first extract useful knowledge from users’ comment behaviors and external structured triples related to object descriptions, in order to gain a deeper insight into the semantics of users and objects. Furthermore, we introduce a discriminative convolutional layer that utilizes heterogeneous graph structure, node semantics, and augmented trust relationships to learn node embeddings from the perspective of a user as a trustor or a trustee, effectively capturing multi-aspect properties of SIoT trust during information propagation. Finally, a trust prediction layer is developed to estimate the trust relationships between pairwise nodes. Extensive experiments on three public datasets illustrate the superior performance of KGTrust over state-of-the-art methods.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google