یک سیستم توصیه گر نوین جهت تشخیص شباهت و پیشنهاد پیوند در خدمات پلیس هوشمند

اخیرا با رشد روزافزون شبکه های اجتماعی، سامانه های توصیه گر به عنوان ابزاری کلیدی بمنظور پیشنهاددهی، تصمیم یاری و تسهیل ارتباطات ایفای نقش می کنند. در این پژوهش، رویکردی نوین مبتنی بر سامانه های توصیه گر ارائه می شود که با طراحی سیستم پیشنهاددهنده تصمیم یار جهت نظارت و توصیه گری، نه تنها به بهبود دقت مشابهت یابی و پیشنهادات پیوند در شبکه های اجتماعی مجازی می پردازد، بلکه از طریق تحلیل تعاملات کاربران و مدل سازی الگوهای رفتاری، در حوزه خدمات پلیس هوشمند همچون شناسائی ارتباطات مشکوک و پیشگیری از وقوع جرایم اینترنتی مانند تشکیل شبکه های کلاهبرداری، جرایم سایبری و سوءاستفاده های اینترنتی کاربرد دارد. سیستم توصیه گر پیشنهادی با بهره گیری از تکنیک های یادگیری ماشین، تحلیل داده های کلان و فیلترینگ هوشمند، قادر است ارتباطات مشکوک را شناسایی کرده و امکان نظارت هوشمند بر فعالیت های مجرمانه را برای نهادهای انتظامی فراهم سازد.نتایج حاصل از پیاده سازی سیستم پیشنهادی بر روی مجموعه داده های شبکه اجتماعی Pokec شامل ۱.۶۳ میلیون کاربر و ۵۹ ویژگی دموگرافیک، نشان دهنده بهبود ۷.۰۶٪ در معیار دقت تشخیص ارتباطات، نسبت به روش های پیشین و دستیابی به دقت ۹۰٪ و میانگین صحت ۰.۰۱۹۷ در پیشنهادات پیوند است. همچنین، سیستم پیشنهادی میزان خطای خوشه بندی را به ۰.۳۰۷۴ کاهش داده و عملکرد بهتری نسبت به الگوریتم های پایه مقایسه شده ارائه داده است. این پژوهش می تواند به عنوان چارچوبی کاربردی درجهت توسعه سامانه های پلیس هوشمند و پایش و تحلیل رفتارهای مجرمانه در فضای سایبری و مجازی مورد استفاده قرار گیرد.

کلیدواژه ها:

: سامانه توصیه گر ، تحلیل داده های کلان ، یادگیری ماشین ، امنیت شبکه های اجتماعی ، شناسایی ارتباطات مشکوک ، پیشگیری از جرایم اینترنتی