多方面性 + 传递性 + 偏置：一体化信任推断模型

基于摘要分析。本文研究用户之间的成对信任关系推断，提出整合信任的多方面性、传递性与偏置的模型，并设计适用于连续信任分数估计和二元信任／不信任预测的一组算法。主要研究对象是用户信任关系，而非神经信号或 BCI。 方法动机是：既有信任推断方法主要沿相连用户传播信任，利用信任的传递性，但对信任偏置、多方面性等属性考虑不足。本文尝试统一利用这些属性；不过，摘要未给出各属性的数学定义、模型结构、目标函数及优化过程，因此尚不能确认其具体融合机制，也不能将其归类为状态空间模型。 作者报告，在真实数据集上的评估中，该方法在数值信任分数估计与二元信任／不信任预测两类任务上，相较若干既有基准方法取得显著提升，并具有时间与空间上的线性可扩展性。摘要未提供数据集名称、划分方式、基线名称、评价指标、提升幅度或线性复杂度对应的规模变量；实验协议、消融及统计信息尚未验证。 材料未建立该信任推断机制与 EEG／BCI 任务之间的具体对应关系，因此不据此推导跨被试建模或神经信号解码效果，也不生成迁移复现实验建议。已有 EEG 相关工作尚未检索确认。