在互联网上,借鉴网上的推荐或评价是普通用户了解未知事物的一个常用方法。但是,要借鉴其他用户的评价,前提是用户必须相信评价是可信的,因此用户就需要自己能够确定评价的作者的可信程度。为了能够判断评价的作者的可信度,可以采取一些传统的安全技术,如数字证书等。但这些技术存在系统可扩展性较差等缺陷。若建立一个开放的评价系统,让每个用户随时都可以给出对其他用户或事物的评价,则能够得到尽可能多的评价,系统具有较好的可扩展性;但另一方面,如果直接利用这个系统而不采用任何与信任相关的计算,就无法得知评价的作者的可信程度。针对信任计算的问题,目前已经有一些研究,国内外的研究者们提出了一些算法以计算网络中节点/用户的可信度。这些研究大多是利用信任网络来进行计算,以解决网上交易系统、P2P文件传输系统中的信任问题,而这些系统均有下述特点:系统中的节点/用户间能够直接给出直接信任度或者通过交互行为能够确定对方的直接信任度。但在实际中还有另外一种系统也很常见,如书籍的网上评价系统,在这种系统中只有用户对目标的评价而并不存在用户之间直接的交互行为,即它是一个纯评价的系统。在此类系统中获取用户之间的直接信任度比前几种系统更为困难。本文的目标是,给出一个在纯评价系统中的基于信任计算的模型,当用户提出对某个目标对象的评价查询时,系统能够利用该计算模型,找到可信用户集合并对其评价值进行综合计算,得到较为合理的、关于目标对象的综合评价值。针对纯评价系统的特点,即用户间无直接交互、获取用户间的直接信任度困难,本文提出了下述观点:纯评价系统中的信任应该是用户的评价为对方所接受的程度,应根据评价的历史,以用户间在某领域中评价的接近程度来计算相互的直接信任度,而据此计算出的用户间在领域内的所有直接信任关系可以构成本系统中的信任网络。根据上述观点,本文针对“系统中诚实可信的用户占相对多数且他们的评价相差不很大”的假设提出了一个基本模型,当某用户提出查询时,可据此模型找寻到评价为多数用户所接受的用户集合,然后借鉴其评价,计算出对目标对象的相对客观的评价值。此模型的优点是:即使是新用户也可以查询到相对准确的评价。本文对该模型中算法的可行性和有效性用实验进行了评估,实验结果表明本算法能够有效降低计算结果的误差。本文还做了下述实验:让某高可信用户诋毁某一目标对象,观察其全局可信度的变化。实验表明,本算法能够有效防止诋毁。由于基本模型所基于的假设未必对所有情况都成立,因此本文又提出了一个改进模型。此模型先通过计算找到为查询者所直接或间接信任的用户集合,然后借鉴其评价,计算出对目标对象的、接近查询者观点的评价值。这样,即使系统中的诚实可信用户不占多数时(或系统中用户按兴趣不同可分成若干类、类间观点不同但类内观点类似等情况下),也可以进行计算。改进模型还考虑了所得的直接信任度误差较大时的优化问题。本文不仅在理论上证明了模型中算法的迭代收敛性,也从实验上验证了模型的可行性和相对基本模型的改进的有效性。本文还设计实现了一个纯评价系统的功能仿真原型,给出了在实际中的应用方案。