18161

18161

استفاده از ويژگي هاي انتشار و تركيب اعتماد براي محاسبه اعتماد در شبكه هاي اجتماعي

كارشناسي ارشد

هوش مصنوعي

خرداد ماه 1395

دكتر پيمان كبيري

كامپيوتر

شبكه¬هاي اجتماعي محلي براي به اشتراك¬گذاري و تبادل اطلاعات هستند. اطلاعات نيز توسط كاربران ايجاد و مصرف مي¬شوند. متأسفانه شبكه¬هاي اجتماعي محيط¬هاي بازي هستند و هيچ¬گونه نهاد مركزي آنها را كنترل نمي¬كند. بنابراين هر كاربري مي¬تواند اطلاعاتي توليد و منتشر كند. از سوي ديگر، به دليل بزرگ بودن و پويايي اين شبكه¬ها، هر كاربر تنها بخش كوچكي از كاربران را مي¬شناسد و بقيه¬ي افراد براي او ناشناس هستند. بنابراين بخش زيادي از تعاملات بين افراد ناشناس صورت مي¬گيرد. از اين¬رو، ارزيابي قابليت اعتماد افراد، قبل از تعامل با آنها، يك مسأله اساسي و بنيادين در اين شبكه¬ها است. چگونگي محاسبه امتياز اعتماد بين كاربراني كه در گذشته هيچ تعاملي با يكديگر نداشته¬اند يكي از مباحث چالش برانگيز در حوزه اعتماد مي¬باشد. الگوريتمي كه ميزان اعتماد فردي به فرد ديگر كه به طور مستقيم يا غيرمستقيم در شبكه اجتماعي به او متصل است را استنباط مي¬كند، الگوريتم استنباط اعتماد ناميده مي¬شود. پژوهش¬هاي اخير، با انتشار اطلاعات اعتماد، امتياز اعتماد يك كاربر ناشناس را از ديدگاه كاربري كه قصد تعامل با وي دارد، استنباط مي¬نمايند. در اين پايان¬نامه يك مدل استنباط اعتماد بر پايه¬ي رتبه¬بندي كاربران و ويژگي انتشار اعتماد ارائه شده است. در اين مدل با استفاده از اطلاعات ساختاري شبكه، رتبه¬ي هر گره از نظر قابل اعتماد بودن و يا به عبارت ديگر، اهميت و تأثير هر گره در روابط اعتماد محاسبه مي¬شود. سپس با انتشار اطلاعات اعتماد در طول روابط اعتماد، مي¬توان مقادير اعتماد نامعلوم را پيش¬بيني نمود. براي ارزيابي روش پيشنهادي جهت پيش¬بيني اعتماد، از سه زيرمجموعه از مجموعه داده¬ي Ciao استفاده شده است. نتايج حاصل، با سه روش پايه در نظر گرفته شده مقايسه شده¬اند. نتايج نشان مي¬دهند كه روش پيشنهادي نسبت به روش¬هاي پايه¬ي درنظر گرفته شده دقت پيش¬بيني بالاتري دارد.

1396/09/11

5/24/2016 12:00:00 AM

Social networks are location for sharing and exchanging information. Also, information are generated and consumed by users. Unfortunately, social networks are open environment and no central entity controls them. So, anyone can produce and publish information. On the other hand, due to the large size and dynamism of these networks each user knows only som small parts of other users and the remaining parts are unknown for him. So, the major parts of the interactions take place between strangers. Thus, the reliability assessment prior to interact with them is a fundamental problem in these networks. How to calculate the trust score between users who previously had no interaction with each other is one of the challenging issues in trust field. The algorithm, which inferences trust score of one person to another person who directly or indirectly connected to him, is called trust inference algorithm. Recent researches inference trust score of an anonymous user from the perspective of user who has an intention to interact with him. In this thesis, a trust inference model which is based on users ranking and trust propagation features is presented. In this model, the rank or importance and effect of each node from the perspective of trust relations is calculated using the network structural information. Then, the score of unknown trust can be predicted by trust propagation trough trust relations. To eva​luate the proposed method for predicting trust, three subsets of Ciao data set are used. The results are then compared with the three considered basic methods. According to the results, the presented method is more accurate than the other three considered methods.