ارائه مدلی برای سیستم های توصیه گر در شبکه های مبتنی بر اعتماد

۷.۰۰۰ تومان

توضیحات

برای دانلود پایانامه روی افزودن به سبد خرید کلیک کنید

سیستم های توصیه ­گر مبتنی بر رابطه اعتماد میان کاربران

 

با ظهور شبکه ­های مبتنی بر اعتماد میان کاربران و با توجه به ویژگیها و خصوصیات اینگونه شبکه­ها، روشها و الگوریتمهای جدیدی در خصوص ایجاد و بهبود سیستمهای توصیه­گر به نام روشهای مبتنی بر اعتماد مطرح گردید[۱۰][۱۵].

سیستمهای توصیه­گر مبتنی بر اعتماد، سیستمهای توصیه­گری هستند که اطلاعات ارزشمندی را به کاربران خود و بر اساس رابطه اعتماد ارائه می­نمایند. اعتماد، در واقع اندازه میزان باور کاربران نسبت به یکدیگر است که بر اساس معیارهایی همچون توانایی، قدرت و خوبی افراد شکل می­گیرد. رابطه اعتماد، لزوما یک رابطه دو طرفه نیست و در اکثر مواقع به صورت یک رابطه یک طرفه بیان می­گردد که در آن به کاربری که به سایر کاربران اعتماد    می­کند “اعتماد کننده[۱]” و فردی که در واقع مقصد و هدف رابطه اعتماد می باشد “مورداعتماد­[۲]” نامیده می­شود.

مقوله اعتماد و اطمینان میان کاربران به دو صورت کلی “اعتماد آشکارا[۳]” و “اعتماد ضمنی[۴]” مطرح می­باشد. اعتماد آشکارا، بیانگر وجود رابطه صریح اعتماد در میان خود کاربران و بر اساس نظرات ایشان می­باشد. در اینگونه اعتماد، افراد و کاربران، خود مشخص می­کنند که به چه افراد، گروه، سازمان یا کاربرانی اعتماد دارند و به نظرات، پیشنهادات یا آرای ایشان اطمینان دارند و نظرات آنها می­تواند مبنا و پایه تصمیم­گیری قرار گیرد در حالیکه در اعتماد ضمنی کاربران صراحتا رابطه اعتماد میان خود را بیان نمی­کنند بلکه بر اساس پاره­ای از شواهد، مدارک و تشابهات، وجود رابطه اعتماد میان کاربران احساس می­گردد. به عنوان نمونه، ارسال ایمیل میان دو کاربر، هم­کلاسی بودن دو فرد، جنسیت یکسان، شغل مشابه، عضویت در یک گروه مشترک، سطح سوادی و طبقاتی مشابه و  مثالهایی از این دست، می­توانند بیانگر وجود یکی رابطه اعتماد ضمنی باشند.

در مورد اعتماد آشکارا نیز، دو مقوله  ” اعتماد مستقیم[۵]”  و ” اعتماد غیر­مستقیم[۶]” مطرح می­باشد. اعتماد مستقیم، در واقع توسط یک رابطه مستقیم فی مابین دو کاربر بیان  می­شود در حالیکه در اعتماد غیر­مستقیم، بر اساس قانون تعدی و انتقال اعتماد، رابطه اعتماد میان دو کاربر غیر همسایه، شکل می­گیرد. یکی از مسائل اصلی در سیستمهای مبتنی بر اطمینان چگونگی محاسبه اعتماد غیر­مستقیم می­باشد. دو رویکرد متفاوت برای محاسبه اعتماد غیر­مستقیم مطرح می­باشد که عبارتند از:

  • بر پایه مدل[۷] : در این روش یک مدل به همراه پارامترهایش برای محاسبه اعتماد غیر­مستقیم آموزش می­بیند[۳۷][۳۸].
  • بر پایه حافظه[۸] : در این روش از مدل استفاده نمی­شود بلکه از روشهای اکتشاف[۹] و ابتکاری[۱۰] استفاده می­گردد[۱۵][۳۹].

در این تحقیق رابطه اعتماد میان کاربران از نوع آشکارا در نظر گرفته می­شود تا بتوان به نتایج دقیق و قابل اعتمادی دست یافت چرا که تعیین و میزان رابطه اعتماد ضمنی، خود به عنوان یکی از موضوعات تحقیق می­تواند مطرح گردد.

۲-۵-۱- چگونگی کارکرد سیستم توصیه­گر مبتنی بر اعتماد

سیستمهای توصیه­گر سنتی[۶] پیش­بینی نظر کاربر u در خصوص آیتم i را بر اساس امتیازات و نظرات کاربران مشابه محاسبه و بیان می­نمایند. در این سیستمها یک همسایگی از کاربرانی که در خصوص آیتم i دارای نظر می­باشند و از نظر پروفایل دارای شباهت با کاربر u می باشند جستجو می­گردد و سپس از تجمیع نظرات ایشان، پیش­بینی امتیاز نهایی صورت می­پذیرد. در سیستمهای توصیه­گر مبتنی بر اعتماد، بجای شباهت کاربران از شبکه اعتماد جهت یافتن همسایگان استفاده می­گردد و برای پیش­بینی امتیاز به یک آیتم خاص، ابتدا از همسایگان مستقیم در خصوص اینکه آیا آنها در مورد آیتم مورد نظر دارای امتیاز می باشند یا خیر، پرسش می­شود و در صورتیکه امتیازی موجود باشد به عنوان جواب بازگردانده می­شود و در غیر اینصورت به صورت بازگشتی، از همسایگان مستقیم خود این پرسش را مطرح می­کنند و به این ترتیب شبکه اعتماد به جهت یافتن پاسخ، جستجو و پیمایش می­شود.

همسایگی در یک سیستم توصیه­گر مبتنی بر اعتماد، به صورت مجموعه­ای از کاربران دارای نظر و امتیاز در خصوص یک آیتم خاص، مطرح می­باشد که می توانند به صورت مستقیم یا غیر مستقیم مورد اعتماد کاربر مبدا قرار گیرند. امتیازات این کاربران به یک آیتم خاص، تجمیع می­گردد تا نهایتا پیش بینی امتیاز نهایی صورت پذیرد

[۱] Trustor

[۲] Trustee

[۳] Explicit Trust

[۴] Implicit Trust

[۵] Direct Trust

[۶] Indirect Trust

[۷] Model-Based

[۸] Memory-Based

[۹] Exploration

[۱۰] Heuristics

دیدگاهها

هیچ دیدگاهی برای این محصول نوشته نشده است.

اولین نفری باشید که دیدگاهی را ارسال می کنید برای “ارائه مدلی برای سیستم های توصیه گر در شبکه های مبتنی بر اعتماد”

نشانی ایمیل شما منتشر نخواهد شد.

شما شاید این را هم دوست داشته باشید