روشی نوین برای استنباط اعتماد مبتنی بر منطق فازی برای بهبود توصیه گرهای اجتماعی

سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 413

فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

AISST02_025

تاریخ نمایه سازی: 6 اردیبهشت 1396

چکیده مقاله:

سیستم های توصیه گر اجتماعی، نسل جدیدی ازتوصیه گرها می باشند که از شبکه اجتماعی به عنوان بستر مدل سازی کاربر استفاده می کنند تا با استفاده از حجم غنی داده های تعاملی، برخی از چالش ها را مرتفع نمایند. در سالهای اخیر، مفاهیم اعتماد اجتماعی برای حل نمودن شرایط مشابهت بین جفتهای کاربران، بهعنوان اطلاعات اضافی برای افزایش بالقوهی دقت پیشنهاد، مورداستفاده قرارگرفتهاند. هرچند مطالعات بسیار و مختلفی نشان دادهاند که استفاده از مقولهی اعتماد در شبکهی اجتماعی میتواند پیشنهادات را بهبود بخشد، اما شکافها و محدودیتهایی وجود دارد که این مقاله تلاش دارد تا آنها را برطرف سازد. در این مقاله یک کمیت سنج منطق فازی پیشنهاد می گردد که بهطور موثری ابهام موجود در روابط شبکهی اجتماعی را به اعداد تبدیل کرده و درجات هموفیلی و جدایی یک فرد نسبت به فرد دیگر را لحاظ میکند. نتایج تجربی نشان می دهد که روش پیشنهادی در مقایسه با روش سنتی، خطاهای پیشبینی را کاهش میدهد و معیار اعتماد اجتماعی توسعهیافته میتواند روشی موثر برای پیشنهاد محتوی تولیدشده توسط کاربر باشد.

نویسندگان

حانیه جامحمودی

گروه کامپیوتر، واحد علوم و تحقیقات خراسان رضوی نیشابور ، دانشگاه آزاد اسلامی، نیشابور، ایران

حسن شاکری

گروه مهندسی فناوری اطلاعات، واحد مشهد، دانشگاه آزاد اسلامی، مشهد، 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 :
  • Adomavicius, G., Zhang, J.: Iterative smoothing technique for improving stability ...
  • Candillier, L., Chevalier, M., Dudognon, D., Mothe, J.: Diversity in ...
  • Dolques, X., Dogui, A., Falleri, J.R., Huchard, M., Nebut, C., ...
  • M. McPherson, L. Smith-Lovin and J. M. Cook, "Birds of ...
  • Meyer, F., Fessant, F., Clerot, F., Gaussier, E.: Toward a ...
  • Ozok, A.A., Fan, Q., Norcio, A.F.: Design guidelines for effective ...
  • Rubens, N., Kaplan, D., Sugiyama, M.: Active learning in recommender ...
  • Said, A., Tikk, D., Shi, Y., Larson, M., Stumpf, K., ...
  • Seminario, C.E., Wilson, D.C: Robustness and accuracy tradeoffs for recommender ...
  • Sinha, R., Swearingen, K.: The role of transparency in recommender ...
  • Smyth, B., McClave, P.: Similarity vs. diversity. In: Proceedings of ...
  • Su, _ Khoshgoftaar, T.M.: A survey of collaborative filtering techniques. ...
  • Thummal apenta, S.. Xie, T.: PARSEWeb: a programme assistant for ...
  • _ Automated Software Engineering, pp. 204-213 (2012). ...
  • requirements in e-business. Commun. ACM 43(12), 81- [14] Tintarev, N., ...
  • recommender systems. In: Proceedings of the IEEE International Workshop on ...
  • L. Zadeh, "Fuzzy Sets, " Information and Control, vol. 8, ...
  • G. Simmel, "The number of members as determining the sociological ...
  • Ye, Y., Fischer, G.: Reu se-conducive development environment, Automat. Software ...
  • Ziegler, C.N., McNee, S.M., Konstan, J.A., Lausen, G.: Improving re ...
  • Guha, R., Kumar, R., Raghavan, P., Tomkins, A.: Propagation of ...
  • Guy, I., Perer, A., Daniel, T., Greenshpan, O., Turbahn, I.: ...
  • Hacker, S., von An, L.: Matchin. eliciting user preferences with ...
  • Joinson, A.N.: Looking at, looking up or keeping up with ...
  • Factors in Computing Systems (CHI 09), Florence, Italy, pp. 1027-1036. ...
  • Jones, S., Wilikens, M., Morris, P., Masera, M.: Trust ...
  • Jsang, A., Golbeck, J.: Challenges for robust trut and reputation ...
  • نمایش کامل مراجع