• شماره ركورد
    27547
  • پديد آورنده

    مرضيه روشن مرام كندري

  • عنوان
    ارائه مدلي مبتني بر خوشه‌بندي گره‌ها براي محاسبه اعتماد در شبكه‌هاي اجتماعي
  • مقطع تحصيلي
    كارشناسي ارشد
  • رشته تحصيلي
    مهندسي نرم افزار
  • سال تحصيل
    1398
  • تاريخ دفاع
    1401/07/30
  • استاد راهنما
    دكتر مهرداد آشتياني
  • دانشكده
    مهندسي كامپيوتر
  • چكيده
    مباحث مربوط به محاسبه اعتماد در شبكه‌هاي اجتماعي به دليل اهميت فراوان فضاي مجازي در زندگي امروزي داراي جايگاه ويژه‌اي در تحقيقات پژوهشگران اين حوزه است. پژوهش‌هاي انجام شده در اين حوزه نيز مانند همه پژوهش‌هاي حوزه‌هاي ديگر داراي نقاط ضعف و چالش‌هاي حل نشده‌اي است كه بايد براي بهبود دقت نتيجه محاسبات اعتماد در شبكه‌هاي اجتماعي و به منظور افزايش بهره‌وري از اين شبكه‌ها حل شوند و يا تا حد امكان اثرات آن‌ها در نتيجه محاسبات كاهش داده شوند. از اين رو، در اين پژوهش پس از اينكه تعدادي از چالش‌هاي اين حوزه را شناسايي كرديم، به ارائه مدلي براي رفع يا كاهش اثرات آن پرداخته‌ايم. يكي از اين چالش‌ها وجود مشكل "شروع سرد" در شبكه‌هاي اجتماعي است كه در مدل ارائه شده در اين پژوهش تأثير اين مورد رفع شده است. اين مشكل با توجه به اينكه وابستگي محاسبات به يال‌هاي ارتباطي بسيار كم است و همچنين، با استفاده از معيارهايي كه ويژگي‌هاي فردي و تشابهات گره‌ها را در مدل در نظر گرفته‌اند برطرف مي‌شود. در واقع در مدل پيشنهادي بدون وجود يال‌ها يا با وجود حداقلي آن‌ها باز هم مي‌توان رتبه‌اي به‌عنوان اعتماد به گره‌ها اختصاص داد. از طرفي دقت مدل ارائه شده در اين پژوهش علي‌رغم كم بودن يال‌هاي ارتباطي كاسته نمي‌شود، چرا كه در ارزيابي‌ها نشان داده شده است ميانگين خطاي مطلق محاسبات اعتماد، با كاهش 90% يال‌ها برابر 01/0 است. و از اين رو مي‌توان گفت مدل ارائه شده در اين پژوهش نسبت به تنك بودن شبكه قوي عمل مي‌كند. بنابراين، بسياري از اين چالش‌ها در مدل ارائه شده با توجه به معيارها و روابط ارائه شده و با استفاده از مزيت تبديل شبكه به جوامعي با گره‌هاي داراي علايق موضوعي مشابه رفع شده است. علاوه بر موارد ذكر شده، مدل ارائه شده، با مقالات و تحقيقات قبلي كه شامل روش GCR و روش ارائه شده در پژوهش اكيلال و همكاران مقايسه شده است. محاسبات نشان مي‌دهد كه بر اساس معيار ميانگين خطاي مطلق، دقت روش پيشنهادي ما، با كاهش 90 درصد يال‌ها، حدود %98 نسبت به روش GCR و حدود 96% نسبت به روش پيشنهادي پژوهش اكيلال و همكاران افزايش يافته است.
  • تاريخ ورود اطلاعات
    1401/09/26
  • عنوان به انگليسي
    A model for trust computation in social networks based on node clustering
  • تاريخ بهره برداري
    10/22/2023 12:00:00 AM
  • دانشجوي وارد كننده اطلاعات

    مرضيه روشن مرام كندري

  • كليدواژه هاي فارسي
    اعتماد , بي اعتمادي , شبكه هاي اجتماعي , مدلسازي اعتماد
  • كليدواژه هاي لاتين
    trust , distrust , social networks , trust modeling
  • Author
    Marzieh Rowshanmaram
  • SuperVisor
    Mehrdad Ashtiani