دانلود مقاله ترجمه شده آزمایش های پیش بینی اعتماد در شبکه های اجتماعی توسط شبکه های عصبی هوشمند


چطور این مقاله مهندسی کامپیوتر و IT را دانلود کنم؟

فایل انگلیسی این مقاله با شناسه 2006647 رایگان است. ترجمه چکیده این مقاله مهندسی کامپیوتر و IT در همین صفحه قابل مشاهده است. شما می توانید پس از بررسی این دو مورد نسبت به خرید و دانلود مقاله ترجمه شده اقدام نمایید

قیمت :
880,000 ریال
شناسه محصول :
2006647
سال انتشار:
2015
حجم فایل انگلیسی :
877 Kb
حجم فایل فارسی :
592 کیلو بایت
نوع فایل های ضمیمه :
Pdf+Word
کلمه عبور همه فایلها :
www.daneshgahi.com

عنوان فارسي

آزمایش های پیش بینی اعتماد در شبکه های اجتماعی توسط شبکه های عصبی هوشمند

عنوان انگليسي

Experiments of Trust Prediction in Social Networks by Artificial Neural Networks

نویسنده/ناشر/نام مجله

Cybernetics and Systems

این مقاله چند صفحه است؟

این مقاله ترجمه شده مهندسی کامپیوتر و IT شامل 17 صفحه انگلیسی به صورت پی دی اف و 20 صفحه متن فارسی به صورت ورد تایپ شده است

چکیده فارسی


چکیده

سرویس ­های آنلاین شبکه ­ی اجتماعی با سرعتی نمایی هم به لحاظ تعداد کاربران و هم تنوع سرویس­ ها در حال رشد هستند؛ در نتیجه ارزیابی اعتماد در تعاملات میان کاربران و تعامل با سیستم، از منظر کاربران، مسئله­ ی مهمی است. اعتماد می­تواند در تجارب مستقیم گذشته یا در اطلاعات غیرمستقیم ارائه­ شده توسط کاربران ثالث مورد اعتماد که شهرت امانت­دار را شکل می­دهند، ریشه داشته باشد. زمانیکه هیچ سابقه­ ی قبلی برای تعاملات وجود ندارد، بایستی شخص امانت­گذار به نوعی از پیش­بینی به منظور ایجاد اعتماد یا بی­ اعتمادی به امانت­دار احتمالی، متوسل شود. ما در این مقاله به پیش­بینی روابط اعتماد بر پایه­ ی اطلاعات شهرت می­پردازیم. اعتماد می­تواند مثبت یا منفی (بی­اعتمادی) باشد، از این رو ما یک مسئله­ ی "دو رده­ ای" داریم. بردارهای ویژگی برای دسته ­بندی، مؤلفه­ هایی با مقادیر دودویی دارند. شبکه­ ی عصبی مصنوعی و دسته­ بندهای آماری، به­ روزترین نتایج را در خصوص این ویژگی­ها در محک­ زنی پایگاه داده­ فراهم می­ آورند. در این مقاله، ما بکارگیری یک روش تولید نمونه را برای رده ­ی اقلیت به منظور کاهش برخی اثرات عدم توازن رده ­ها در میان رده­ های اعتماد و بی­ عتمادی پیشنهاد می­کنیم. بطور ویژه، این رویکرد انعطاف بالایی به رشد سیستم دارد.

 

1-مقـدمـه

پیش­بینی اعتماد در حال بدل شدن به مسئله­ ی مهمی در بسیاری از مسائل محاسباتی از جمله تعاملات عامل­ها از طریق سرویس­های آنلاین است. این عامل­ها می­توانند انسان­ها یا موجودیت­ های محاسباتی مستقل باشند. اینترنت اشیاء (IoT) در تعاملات مورد اعتماد پشتیبانی می­شود (آرتز و گیل، 2007؛ چن و همکاران، 2013؛ گریکو، 2013). ما بطور خاص به روابط اعتماد در شبکه­ های اجتماعی می­ پردازیم، یعنی جاییکه اعتماد یک ویژگی برای روابط میان عوامل انسانی بر پایه­ی تشخیص جامعه است (ریبولو و گرانا، 2013). اعتماد را می­توان از سوابق تعاملات مابین یک جفت عامل ایجاد نمود؛ اما هنوز هم پرسش "شروع سرد" به قوت خود باقی است. نگرش اساسی امانت­گذار در ارتباط با امانت­دار، زمانیکه هیچ سابقه­ ی قبلی از تعاملات وجود ندارد، چگونه است؟ این را می­توان بطور غیرمستقیم از نگرش ­های کاربر استنباط نمود، یعنی با دنبال کردن برخی استدلالات هم­رنگی (علاقه به کاربرانی که به موارد مشابهی علاقه دارند)، یا می­توان آن را از شهرت امانت­دار پیش­بینی کرد...

شبکه های هوشمند مصنوعی شبکه های اجتماعی :کلمات کلیدی

چکیده انگلیسی


Abstract

Social network online services are growing at an exponential pace, both in quantity of users and diversity of services; thus, the evaluation of trust in the interaction among users and toward the system is a central issue from the user point of view. Trust can be grounded in past direct experience or in the indirect information provided by trusted third-party users shaping the trustee reputation. When there is no previous history of interactions, the truster must resort to some form of prediction in order to establish Trust or Distrust on a potential trustee. In this study, we deal with the prediction of trust relationships on the basis of reputation information. Trust can be positive or negative (Distrust), hence, we have a two-class problem. Feature vectors for the classification have binary-valued components. Artificial neural network and statistical classifiers provide state-of-the-art results with these features on a benchmarking trust database. In this article, we propose the application of a sample generation method for the minority class in order to reduce some of the effect of class imbalance among Trust and Distrust classes. Specifically, the approach shows high resiliency to system growth

Keywords: artificial neural networks epinions social networks trust Wikipedia
Skip Navigation Linksصفحه اصلی > دپارتمان ها > دپارتمان فنی و مهندسی > مهندسی کامپیوتر و IT > مقاله های مهندسی کامپیوتر و IT و ترجمه فارسی آنها > آزمایش های پیش بینی اعتماد در شبکه های اجتماعی توسط شبکه های عصبی هوشمند
کتابخانه الکترونیک
دانلود مقالات ترجمه شده
جستجوی مقالات
با انتخاب رشته مورد نظر خود می توانید مقالات ترجمه شده آن رو به صورت موضوع بندی شده مشاهده نمایید