عنوان پایان‌نامه
محاسبه اعتماد در شبکه های اجتماعی
- رشته تحصیلی
- مهندسی کامپیوتر- آلگوریتم ها و محاسبات
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 43511;کتابخانه پردیس یک فنی شماره ثبت: 11.
- تاریخ دفاع
- ۰۷ مهر ۱۳۸۸
- دانشجو
- کوروش خزاعی
- استاد راهنما
- دارا معظمی
- چکیده
- با توجه به گسترش روز افزون شبکه اینترنت و همه گیر شدن آن در سال های اخیر، شبکه های اجتماعی مبتنی بر وب به شکل فزاینده ای گسترش یافته اند و بسیاری از افراد اجتماع را به خود جلب کرده اند. یکی از ویژگی های این جامعه مجازی، ایجاد سهولت در برقراری ارتباط های اجتماعی است. در کنار هر رابطه، بحث اعتماد به آن رابطه نیز همواره مطرح است. یکی از خدماتی که شبکه های اجتماعی تحت وب، به کاربرانشان ارائه می دهند، سیستم های پیشنهاد دهنده می باشد. در گذشته بسیاری از سیستم های پیشنهاد دهنده با استفاده از الگوریتم های پالایش همکارانه برپایه اصل تشابه کار می کردند. ولی تحقیقات نشان داد که این الگوریتم ها از دو مشکل بزرگ کم پشتی و مقیاس پذیری رنج می برند[ ][ ] و در شبکه های اجتماعی بزرگ، دقت این الگوریتم ها بسیار پایین است و بدین ترتیب سیستم های پیشنهاد دهنده مبتنی بر اعتماد و یا سیستم حاصل از ترکیب اعتماد با سیستم های پالایش همکارانه به عنوان راهی جدید برای ارائه پیشنهادهای بهتر، مطرح شد. بررسی هایی که بر روی این سیستم ها انجام شده ، نشان می دهد که این سیستم ها از کارایی بهتری نسبت به روشهای قبلی برخوردارند[ ][ ][ ]. در این سیستم ها برای محاسبه اعتماد از دو دسته الگوریتم محاسبه اعتماد محلی و جهانی استفاده می شود که هر کدام ضعف ها و نقاط قوت خاص خود را دارند. الگوریتم های محاسبه اعتماد جهانی، دارای سرعت بیشتری هستند ولی از دقت کمتری برخوردارند، در حالی که الگوریتم های محاسبه اعتماد محلی، میزان اعتماد را با سرعت کمتر ولی با دقت بیشتر محاسبه می کنند و بیشتر مورد توجه سیستم های پیشنهاد دهنده قرار گرفته اند. با این حال ضعف بزرگی در الگوریتم های محاسبه اعتماد محلی در شبکه های اجتماعی وجود دارد که ناشی از تعداد بسیار زیاد کاربران شبکه های اجتماعی می باشد. اکثر الگوریتم های محاسبه اعتماد محلی موجود، برپایه روش جستجوی اول سطح کار می کنند و این امر موجب ناکارآمدی آنها در جوامعی می شود که چندین میلیون کاربر دارند. به سخنی بهتر، این الگوریتم ها قادر به محاسبه اعتماد به صورت بسیار سریع نمی باشند. در این پایان نامه الگوریتمی ارائه می شود که هم می تواند مشکل مذکور را بر طرف نماید و هم از مزایای الگوریتم های محاسبه اعتماد جهانی استفاده کند. اساس این الگوریتم بر پایه فرض وجود اعتماد بیشتر در گروه های دوستی کاربران می باشد. به طور خلاصه الگوریتم در ابتدا گروه های دوستی موجود در شبکه اجتماعی را شناسایی می کند، و در ادامه شبکه ای جدید از گروه های دوستی ایجاد کرده و اعتماد را با استفاده از ویژگی های این شبکه جدید، محاسبه می کند. در این الگوریتم ساختاری برای محاسبه اعتماد در شبکه های اجتماعی بسیار بزرگ ارائه می شود، به گونه ای که سیستم بتواند با توجه به ساختار و نیازهایش، از هر یک از الگوریتم های موجود در زمینه محاسبه اعتماد، استفاده کند و میزان اعتماد کاربران به یکدیگر را ارزیابی کرده و پیشنهادهای مناسبی را به کاربران ارائه دهد. در پایان کارایی این الگوریتم را بر روی شبکه اجتماعی کاربران وب سایت ای-پینیون دات کام مورد سنجش قرار داده و سپس مقایسه ای با دیگر الگوریتم های موجود ارائه می شود.
- Abstract
- internet has been grown very rapidly in recent years and along with this quik growth,web based social networks have developed increasingly and have attracted many people in the society.one of the services that online social networks offer to their users is the recommendation systems.in the past,many recommender systems used collaborative filtering methods and worked based on similarity principle but researches have shown that in large-scale social networks, the precision of These algorithms are very low, hence trust based recommender system, or the system resulted from the combination of trust with cf systems,were presented as a new way for offering better recommendations.investigations carried out into these systems revealed that they are more efficient than former methods. In these systems, in order to measuring trust,two series of algorithms of local trust and global trust,wich have their own specific weak and strength points, are employed. Global trust algorithms are faster but less accurate, whereas local trust algorithms are able to measure trust more accurately yet slower.adding all these up,the latter is more favored by recommender systems.nevertheless,due to the extreme number of social networks users,there is a serious weakness in algorithms for calculating the local trust.most of the existing algorithms for computing local trust,work based upon breath first search algorithm,wich is the cause of their in efficiency in societies with millions of users. In other words,in large-scale social networks, these algorithms are not capable of computing trust in real time.in this work, it is tried to present an algorithm both capable of solving the problems mentioned above, and using the advantages of global trust algorithms.the fundamentals of this algorithm are based upon the assumption of more trust being present in friendship communities of users.in a briefer expression, the algorithm firstly identifies the friendship communities in the social network then proceeds with creating a new network from friendship communities,and then computing trust using the characteristics of this newly generated network.in this work, it has been tried to present a new approach for computing trust in huge social networks,in a way that the system regarding the purpose and needs,will be able to use all the existing algorithms for computing trust,and evaluate the amount of user trust for each other and offer appropriate recommendations to users.in the end the efficiency of this algorithm has been investigated for the social network of users of http:// epinion.com then a comparison between this algorithm and other well-known algorithms is presented.
