Trust evaluation is the process of quantifying trust with attributes that influence trust. It faces a number of severe issues such as lack of essential evaluation data, demand of big data process, request of simple trust relationship expression, and expectation of automation. In order to overcome these problems and intelligently and automatically evaluate trust, machine learning has been applied into trust evaluation. Researchers have proposed many methods to use machine learning for trust evaluation. However, the literature still lacks a comprehensive literature review on this topic. In this article, we perform a thorough survey on trust evaluation based on machine learning. First, we cover essential prerequisites of trust evaluation and machine learning. Then, we justify a number of requirements that a sound trust evaluation method should satisfy, and propose them as evaluation criteria to assess the performance of trust evaluation methods. Furthermore, we systematically organize existing methods according to application scenarios and provide a comprehensive literature review on trust evaluation from the perspective of machine learning’s function in trust evaluation and evaluation granularity. Finally, according to the completed review and evaluation, we explore some open research problems and suggest the directions that are worth our research effort in the future.

中文翻译：

---

基于机器学习的信任评估综述

信任评估是使用影响信任的属性来量化信任的过程。它面临着一些严峻的问题，如缺乏必要的评估数据，大数据处理的需求，简单的信任关系表达的要求，以及对自动化的期望。为了克服这些问题，智能、自动地评估信任，机器学习已被应用到信任评估中。研究人员提出了许多使用机器学习进行信任评估的方法。然而，文献仍然缺乏关于该主题的全面文献综述。在本文中，我们对基于机器学习的信任评估进行了彻底的调查。首先，我们涵盖了信任评估和机器学习的基本先决条件。然后，我们证明了一个健全的信任评估方法应该满足的一些要求，并将它们作为评估标准来评估信任评估方法的性能。此外，我们根据应用场景系统地组织了现有方法，并从机器学习在信任评估和评估粒度方面的功能角度对信任评估进行了全面的文献综述。最后，根据完成的审查和评估，我们探索了一些开放的研究问题，并提出了未来值得我们研究的方向。我们根据应用场景系统地组织了现有方法，并从机器学习在信任评估和评估粒度方面的功能角度对信任评估进行了全面的文献回顾。最后，根据完成的审查和评估，我们探索了一些开放的研究问题，并提出了未来值得我们研究的方向。我们根据应用场景系统地组织了现有方法，并从机器学习在信任评估和评估粒度方面的功能角度对信任评估进行了全面的文献回顾。最后，根据完成的审查和评估，我们探索了一些开放的研究问题，并提出了未来值得我们研究的方向。