روشی نوین برای پیش بینی اعتماد بر اساس مفاهیم انتشار و شباهت
محل انتشار: سومین کنگره بین المللی فن آوری، ارتباطات و دانش
سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 440
فایل این مقاله در 10 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:
ICTCK03_021
تاریخ نمایه سازی: 10 تیر 1396
چکیده مقاله:
در سال های اخیر، شبکه های اجتماعی آنلاین برای طیفی از فعالیت ها همانند بررسی بالقوه و پیگیری به کارگیری توصیه های مربوط به خدمات با کیفیت بالا و فراهم کنندگان خدمات مورد استفاده قرار گرفته اند. در چنین فعالیت هایی، اعتماد یکی از عوامل بسیار مهم برای تصمیم گیری کاربران می باشد. در مطالعات موجود، پیشرفته ترین رویکردهای پیش بینی اعتماد بر روی تمایل جهت مند اعتماد و یا اعتماد منتشر شده روابط اعتماد جفتی در امتداد یک مسیر یا شباهت مقادیر رتبه بندی اعتماد متمرکز گردیده اند. ما در این مقاله یک مدل پیش بینی اعتماد جدید را بر مبنای تجزیه اعتماد و فاکتوربندی ماتریس ارایه داده ایم که همه عوامل اثرگذار بر اعتماد را مد نظر قرار داده و ویژگی های شخصی و بین اشخاص را متمایز می سازد. ما در این مدل در ابتدا اعتماد را به دو مدل تمایل به اعتماد و اعتمادی که تمایل به آن کاهش یافته است تجزیه نموده ایم. سپس بر مبنای رتبه های اعتمادی که تمایل به آن کاهش یافته است،فاکتورگیری ماتریس با یک عبارت منظم سازی برای پیش بینی مقادیر تمایل کاهش یافته رتبه های از دست رفته اعتماد با دربرگیری هر دو مورد اعتماد منتشر شده و شباهت عادات رتبه بندی کاربران بکار گرفته شده است. در انتها، رتبه های از دست رفته اعتماد با مقادیر پیش بینی شده تمایل کاهش یافته و مقادیر تمایل اعتماد، ترکیب می گردند. آزمایشاتی که بر روی مجموعه داده های دنیای واقعی انجام شده، نشان دهنده برتری رویکرد ما در مقایسه با جدیدترین پیشرفت ها در زمینه دقت پیش بینی اعتماد می باشند.
کلیدواژه ها:
نویسندگان
حانیه جامحمودی
گروه کامپیوتر، واحد علوم و تحقیقات خراسان رضوی(نیشابور)، دانشگاه آزاد اسلامی واحد نیشابور ایران
حسن شاکری
گروه مهندسی فناوری اطلاعات، واحد مشهد، دانشگاه آزاد اسلامی واحد 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 :