سیستم پیشنهاد دهنده دوستان اثرگذار در شبکه های اجتماعی با روش الگوی مکرر و قوانین انجمنی

شبکه های اجتماعی توسط یک یا چند نوع خاص از وابستگی مانند ایده ها و تبادلات مالی، دوستها، خویشاوندان و لینکهای وب به هم متصلاند. در تحلیل شبکه های اجتماعی، روابط اجتماعی را با نظریه گراف تحلیل می کنند. سیستم های توصیه گر با یکسری الگوریتم ها و روشهای خاصی سعی میکنند که مناسب ترین اقلام از قبیل داده اطلاعات و دوست را شناسایی کرده و نزدیکترین دوست به سلیقه کاربر را به وی پیشنهاد کنند. استفاده از سیستم های پیشنهاد دهنده به دلیل افزایش استفاده مردم از اینترنت و افزایش خریدهای اینترنتی و شبکه های اجتماعی در سال های اخیر رو به افزایش بوده و وب سایت های مختلفی در اجرای این سیستم پیشنهاد دهنده موفق عمل کرده اند. در این پایاننامه سیستم توصیه گر دوست در شبکه های اجتماعی با استفاده از جریان اطلاعات با روش الگوی مکرر و قوانین انجمنی ارائه شد. در این روش برای بهبود سیستم توصیه گر از دو معیار شباهت کاربران یعنی پوشش و اطمینان به طور همزمان استفاده شد و رفتار کاربران درگذشته تحلیل میشود و بر اساس رفتار و شباهت دوستهایی با توجه به سلیقه و تعامل افراد در گروه های مختلف به کاربر جاری پیشنهاد میشود. برای انجام آزمایشات از دیتاست Pokec و نرم افزار متلب استفاده شده است. با نتایج شبیه سازی نشان میدهد که روش پیشنهادی از عملکرد قابل قبولی برخوردار میباشد به طوری که میزان خطای آن در دیتاست Pokec به ترتیب 9 و 6 درصد نسبت به روش مشابه بهبود داشته است. همچنین زمان اجرای روش پیشنهادی در حدود 3 ثانیه بدست آمده است .

کلیدواژه ها:

دوست ، توصیه گر ، شبکه های اجتماعی و الگوی مکرر و قوانین انجمنی.