دسته : فناوری اطلاعات

این مقاله ترجمه شده مهندسی فناوری اطلاعات در زمینه کلمات کلیدی زیر است:
شبکه های هوشمند مصنوعی
شبکه های اجتماعی
artificial neural networks
epinions
social networks
trust
Wikipedia

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…

ادامه مطلب و دانلود