دسته بندی:

شبکه های عصبی - Neural Networks

---

سال انتشار:

2015

---

ترجمه فارسی عنوان مقاله:

آزمایش های پیش بینی اعتماد در شبکه های اجتماعی توسط شبکه های عصبی هوشمند

---

عنوان انگلیسی مقاله:

Experiments of Trust Prediction in Social Networks by Artificial Neural Networks

---

منبع:

Taylor and Francis Group, 2015, Cybernetics and Systems: An International Journal, 46:19–34

---

نویسنده:

MANUEL GRAN˜A1, J: DAVID NUN˜EZ-GONZALEZ1, LEIRE OZAETA1, and ANNA KAMIN´ SKA-CHUCHMAL--A

---

چکیده انگلیسی:

Social network online services are growing at an exponential pace, both in quantity of users and diversity of services; thus, the evaluation of trust in the interaction among users and toward the system is a central issue from the user point of view. Trust can be grounded in past direct experience or in the indirect information provided by trusted third-party users shaping the trustee reputation. When there is no previous history of interactions, the truster must resort to some form of prediction in order to establish Trust or Distrust on a potential trustee. In this study, we deal with the prediction of trust relationships on the basis of reputation information. Trust can be positive or negative (Distrust), hence, we have a two-class problem. Feature vectors for the classification have binary-valued components. Artificial neural network and statistical classifiers provide state-of-the-art results with these features on a benchmarking trust database. In this article, we propose the application of a sample generation method for the minority class in order to reduce some of the effect of class imbalance among Trust and Distrust classes. Specifically, the approach shows high resiliency to system growth.
KEYWORDS: artificial neural networks | epinions | social networks | trust | Wikipedia

---

چکیده فارسی:

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 می تواند در تجارب مستقیم گذشته یا در اطلاعات غیرمستقیم ارائه شده توسط کاربران ثالث مورد اعتماد که شهرت امانت دار را شکل می دهند، ریشه داشته باشد. زمانیکه هیچ سابقه ی قبلی برای تعاملات وجود ندارد، بایستی شخص امانت گذار به نوعی از پیش بینی به منظور ایجاد اعتماد یا بی-اعتمادی به امانت دار احتمالی، متوسل شود. ما در این مقاله به پیش بینی روابط اعتماد بر پایه ی اطلاعات شهرت می پردازیم. اعتماد می تواند مثبت یا منفی (بی اعتمادی) 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 ویژگی ها 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 اعتمادی پیشنهاد می کنیم. بطور ویژه، این رویکرد انعطاف بالایی به رشد سیستم دارد.
کلمات کلیدی: شبکه های هوشمند مصنوعی | epinions | شبکه های اجتماعی | اعتماد | ویکیپدیا

---

---

---

---

حجم فایل: 566 کیلوبایت

---

قیمت: 45000 تومان   

---

توضیحات اضافی:

---

---

---