• شماره ركورد
    8698
  • پديد آورنده

    هستي كرمدل

  • عنوان
    ارائه روشي به منظور بهبود فرآيند رسيدن به اجماع نظر در شبكه‌هاي اجتماعي با مقياس بالا
  • مقطع تحصيلي
    كارشناسي
  • رشته تحصيلي
    مهندسي كامپيوتر
  • سال فارغ التحصيلي
    1402
  • استاد راهنما
    دكتر عبداللهي ازگمي
  • استاد مشاور
    دكتر عبداللهي ازگمي
  • دانشجوي وارد كننده اطلاعات

    هستي كرمدل

  • تاريخ ورود اطلاعات
    1402/07/15
  • دانشكده
    مهندسي كامپيوتر
  • عنوان به انگليسي
    Presenting a method for improving the consensusreaching process in high-scale social net
  • چكيده
    با توجه به افزايش كاربرد شبكه‌هاي اجتماعي در زندگي روزمره، نياز به بهينه‌تر شدن آن رو به افزايش است. الگوريتم‌هاي توافق نظر به ما كمك مي‌كنند تا در شبكه‌هاي اجتماعي فرآيند تصميم‌گيري و مديريت تضادها آسان‌تر شود. همچنين يادگيري ماشين يكي از بهترين روش‌ها براي مديريت داده و استفاده بهينه از آن در شبكه‌هاي اجتماعي مي‌باشد. در اين مقاله هدف اصلي بررسي روشي است كه بتواند اين دو را ادغام كرده و از خصوصيات آن‌ها براي بهبود كاربرد يادگيري ماشين در شبكه‌هاي اجتماعي استفاده كند. مدل پيشنهادي در اين پايان‌نامه شامل چهار مدل يادگيري ماشين شامل مدل جنگل تصادفي، مدل بردار پشتيبان، مدل همسايگان نزديك و مدل خطي مي‌باشد. اين مدل‌ها در دو لايه به جواب نهايي در فاز آموزش نزديك مي‌شوند. براي اين كار در لايه اول از الگوريتم توافقي استفاده شده است كه با توجه به فاصله يك مدل با مدل‌هاي ديگر خودش را به جواب نهايي نزديك‌تر مي‌كند، و مدلي كه بهترين نتيجه را داده باشد در ماتريس مورد نظر به ضريب تاثير آن اضافه مي‌شود. در لايه دوم اجماع نظر، از سه روش استفاده كرده و در نهايت آن‌ها باهم مقايسه شده‌اند. روش‌هاي مورد استفاده روش اجماع نظر سخت به روش اكثريت، اجماع نظر نرم به روش ميانگين و روش ضريب اطمينان است. در لايه اول مدل جنگل تصادفي بهترين عملكرد را دارد و بقيه مدل‌ها را با استفاده از ماتريس ضرايب كه تاثير‌ها را دو به دو در خودش نگه مي‌دارد به خودش نزديك مي‌كند. در لايه‌ي دوم نيز براي ضريب اطمينان به هر مدل وزني اختصاص مي‌دهيم كه در اين جا مدل بردار پشتيبان به خوبي عمل كرده است. نتيجه به دست آماده از اين پايان‌نامه اين است كه روش‌هاي توافق از مدل‌هاي يادگيري ماشيني كه از اجماع نظر استفاده نكرده باشند جواب بهتري گرفته‌اند. در ميان روش‌هاي يادگيري ماشين روش جنگل تصادفي بهتر از سه مدل ديگر عمل‌ كرده است و در ميان روش‌هاي توافق نظر، روش اجماع نظر سخت با برتري نسبت به بقيه و نسبت به روش جنگل تصادفي به بهترين روش تبديل شده است. با وجود اين كه در اين حوزه تحقيقات كمي صورت گرفته است، امكان نوآوري و تحقيقات گسترده‌تر و متفاوت‌تر وجود دارد. براي مثال مي‌توان به نوع داده و مدل‌هاي يادگيري ماشين، الگوريتم‌هاي مختلف توافق و كاربرد دقيق‌تر آن در شبكه‌هاي اجتماعي اشاره كرد.
  • كليدواژه ها
    اجماع نظر , الگوريتم‌هاي توافق , تصميم‌گيري گروهي , شبكه‌هاي اجتماعي , يادگيري ماشين