بررسی و تحلیل سیستم پیشنهادگر اعتماد محور در شبکه های اجتماعی

سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,186

فایل این مقاله در 19 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

EMASS01_038

تاریخ نمایه سازی: 25 مهر 1393

چکیده مقاله:

شبکه های اجتماعی تاثیر بسیار مهمی بر چگونگی ارتباط کاربران اینترنت دارند. ویژگی اصلی شبکه های اجتماعی آن است که افراد تمایل دارند تا مشابه دوستان خود رفتار کنند. فرآیند تاثیر اجتماعی در SRN ها به سازگاری افراد با رفتار ارزشیابی دوستانشان منجر می شود. همچنین افراد ممکن است رفتار ارزشیابی را از کاربران با الگوهای درجه بندی مشابه بپذیرند. که این عمل را می توان، تاثیرهمبستگی نامگذاری نمود. در این مقاله، به بررسی سیستم پیشنهادگر اعتماد-محور، جهت شبکه های ارزیابی اجتماعی پرداخته شده است. در این سیستم، شناسه ی کاربر به عنوان ورودی به برنامه داده می شود، سپس سیستم با جستجوی افراد مورد اعتماد کاربر در پایگاه داده ی موجود و بررسیمقالات و امتیازهای آن ها، مقالاتی که بیشترین امتیاز را دارا می باشد به کاربر پیشنهاد می دهد. با ارزیابی صورت گرفته پس از مشاهدهی خروجی های سیستم، مشخص گردید که در 100 ٪ نمونه های تست، سیستم پیشنهادگر طراحی شده، به کاربر، پیشنهاد مقاله را خواهد داشت و در 99.1% موارد، حداقل یک مقاله از بین مقالات پیشنهادی، توسط کاربر خوانده شده است. با محاسبه درصد نسبت مقالات خوانده شده توسط هر کدام از نمونه های تست به مقالات پیشنهادی، از میانگین درصد این نسبت، نتیجه ی 87.58 ٪ حاصل گردید.

نویسندگان

فاطمه خشنود

دانشگاه آزاد اسلامی واحد لاهیجان، ایران

مائده کیانی سرکله

دانشگاه پیام نور گیلان، ایران

آزاده کیانی سرکله

دانشگاه آزاد اسلامی واحد رشت، 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 :
  • I- J. jim, "Social Networking as a Marketing Tool", The ...
  • M. Toyoda, M. Kitsuregawa, "Creating a Web Community Chart for ...
  • D. Gibson, J. M. Kleinberg, P. Raghavan, "Inferring Web Communities ...
  • R. Kumar, P. Raghavan, S. Rajagopalan, A. Tomkins, "Trawling the ...
  • N. Imafuji, M. Kitsuregawa, "Effects of Maximum Flow Algorithm on ...
  • G. Flake, S. Lawrence, C. L. Giles, "Efficient Identification of ...
  • G. W. Flake, S. Lawrence, C. L. Giles, F. M. ...
  • J. Liu, S. Zhang, J. Yang, "Characterizing Web Usage Regularities ...
  • J. Hagel, A. G. Armstrong, "Expanding Markets through virtual Communities", ...
  • H. Rheingold, "The Virtuial Community: Homesteading on the Electronic Frontier", ...
  • K. Stanoevska- Slabeva, F. B. Schmid, "A Typology of online ...
  • R. Plant, "Online Communities", Technology in Society, PP-51-65, (2004) ...
  • J. Hagel, A. G. Armstrong, "Expanding Markets through virtual Communities", ...
  • G. Castellano, A. M. Fanelli, C. Mencar, M. Alessandra Torsello, ...
  • http ://en. wikipedia. org/wiki/Epini _ ...
  • I6- P. Massa, P. Avesani, "Trust-aware Bootstrapping of Recommender Systems", ...
  • نمایش کامل مراجع