روشی برای مدل سازی اعتماد و بی اعتمادی در شبکه های اجتماعی و ارزیابی سطح اعتماد هر کاربر با استفاده از شبکه های پتری رنگی
سال انتشار: 1402
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 86
فایل این مقاله در 14 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JSCIT-12-3_002
تاریخ نمایه سازی: 25 مهر 1403
چکیده مقاله:
یکی از مهم ترین چالش های شبکه های اجتماعی، بحران اعتماد بین کاربران است. یکی از راهکارها برای حل این چالش، اطلاع کاربران از سطح اعتماد کاربران دیگر است. با کمی سازی اعتماد و استفاده از هوش جمعی می توان این راهکار را عملی کرد. مدل های مختلفی برای محاسبه اعتماد در شبکه های اجتماعی با استفاده از فرمول های ریاضی و بدون در نظر گرفتن تغییرات دائمی اعتماد کاربران بر اساس رویدادهای مختلف ارائه شده است. با این حال، ارائه روشی که بتواند انواع مختلفی از سناریوها و مفروضات را مدل سازی کرده و سطح اعتماد هر کاربر را در هر کدام از حالت ها محاسبه و ارزیابی کند، موضوع بسیار مهمی است. در این مقاله از صورت بندی گرافیکی شبکه های پتری رنگی برای مدل سازی اعتماد و بی اعتمادی بین کاربران در شبکه های اجتماعی و ارزیابی تاثیر رویدادهای مختلف بر تغییر سطح اعتماد هر کاربر در طول زمان استفاده شده است. همچنین در این مقاله، الگوریتمی برای مشخص کردن میزان تاثیرگذاری هر کاربر بر سطح اعتماد کاربر دیگر ارائه شده است تا این اثرگذاری بین کاربران یکسان نباشد. روش ارائه شده این قابلیت را دارد که برای هر تعداد کاربر مدل سازی را انجام داده و صرفا با تغییر مقادیر پارامترهای مدل، سناریوهای مختلفی تعریف کرده و سطح اعتماد هر کاربر را هر سناریو ارزیابی کند. به همین دلیل، روش مدل سازی ارائه شده، که نتایج مدل های آن با شبیه ساز OMNeT++ و تحلیل آماری اعتبارسنجی می شود، می تواند به عنوان شبیه ساز سطح اعتماد کاربران در شبکه های اجتماعی مورد استفاده قرار گیرد.
کلیدواژه ها:
نویسندگان
Ali Naghash Asadi
دانشکده فنی فومن، دانشکدگان فنی دانشگاه تهران، فومن، ایران.
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :