عنوان پایان‌نامه
شخصی سازی جستجو در شبکه های اجتماعی
- رشته تحصیلی
- مهندسی کامپیوتر -نرم افزار
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی پردیس 2 فنی شماره ثبت: E 2415;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 63009
- تاریخ دفاع
- ۱۲ شهریور ۱۳۹۲
- دانشجو
- محمد علی تولایی
- استاد راهنما
- آزاده شاکری
- چکیده
- در سایت‌هایی که از ایده وب 2 پیروی می‌کنند، چنین در نظر گرفته می‌شود که اطلاعات توسط کاربرانی با نوع نگاه متفاوت تولید و توسط کاربرانی با نیازهای متفاوت استفاده می‌شود. حال آن‌که روش‌های جستجوی سنتی این خصوصیات را در بازیابی اطلاعات در نظر نمی‌گیرند. این مساله باعث توسعه تحقیقات برای جستجوی شخصی‌سازی شده در شبکه‌های اجتماعی گشته است. در این پایان‌نامه، سعی شده است با الهام گرفتن از جامعه و روشی که مردم برای پیدا کردن اطلاعات در جامعه بکار می‌برند، اقدام به توسعه روش‌هایی گردد تا به کمک آن‌ها، امکان جستجوی شخصی سازی شده با هزینه زمانی قابل قبول در شبکه‌های اجتماعی برخط میسر گردد. در نهایت به کمک ایده‌هایی که از اجتماع کسب کردیم، روشی را ارائه می‌دهیم که احتمال دیده‌شدن هر سند که توسط یک عضو از اجتماع منتشر شده، توسط دیگر اعضای جامعه محاسبه کند و از این طریق اقدام به شخصی‌سازی جستجو می‌کنیم. همین‌طور روشی برای ساختن مدل زبانی مناسب برای هر کاربر توسعه داده شده است تا به کمک این دو الگوریتم شخصی‌سازی جستجو میسر گردد. در نهایت الگوریتم‌های ارایه شده بر روی یک شبکه اجتماعی برخط به نام last.fm پیاده‌سازی شد و با مجموعه‌ای از روش‌های شخصی‌سازی شده و شخصی‌سازی نشده مقایسه گردید. نتایج این بررسی نشان داد، که الگوریتم‌های ارایه شده به شکل کاراتری نتایج مربوط به یک گزارش مشخص را که توسط یک کاربر مشخص درخواست می‌شود، تولید می‌کنند. همچنین در قسمت ارزیابی الگوریتم‌های ارائه شده، بر روی بررسی قدرت پیش‌بینی رفتار کاربران در شبکه‌های اجتماعی و تفکیک آن از توان بازیابی اسناد مربوط به هر کاربر نیز متمرکز شده و الگوریتم‌های مختلف را از این لحاظ با هم مقایسه کردیم. با توجه به حساسیت یکی از روش‌های ارائه شده به جایگاه کاربر منتشر کننده سند در شبکه اجتماعی و با توجه به این مساله که عموما چندین کاربر به عنوان کاربران منتشر کننده سند در شبکه اجتماعی قابل تصورند بر روی سیاست انتخاب یکی از این کاربران به عنوان کاربر منتشر کننده بحث شد.
- Abstract
- One of the most important shortcomings of web 2.0 has been the relative inaccuracy of online searches, which are based on traditional text retrieval methods. On the other hand, users searching the web have varying goals, yet they use the same queries for their different needs. Therefore recent research and investment has concentrated on improvements in the accuracy and personalization of online search results, combining social network analysis and document contents for effective information retrieval. In this thesis, we inspirit from the society and the methods with which people search for information in the society. Two novel methods are then presented for personalized information retrieval in social networks based on traditional methods such as language model and Topic- Specific PageRank. We present CSR which indicate the probability that a document shared by a publicsher user seen by the searcher user and combine this function with language modeling based retrieval methods to personalize search in social networks. Also present a personalized language model and retrieve personalized result by this language model. The presented methods applied on last.fm social network and some previous personalized and non personalized methods are investigated. We further discuss the ability of predicting that a document would be seen by a user in the social network and compare it with the possibility of retrieving documents related to the user. At last there is some discussion on choosing a publisher of the document in the social network. Keywords: Social networks, Information retrieval, Personalization, Language models, Topic Specific PageRank
