ترجمه مقاله رایگان با عنوان TOSI: A Trust-Oriented Social Influence Evaluation Method in Contextual Social Networks (TOSI: یک روش ارزیابی اثر شبکه اجتماعی اعتماد محور در شبکه های اجتماعی زمینه ای)

مقاله رایگان با عنوان TOSI: A Trust-Oriented Social Influence Evaluation Method in Contextual Social Networks را “”از اینجا دانلود کنید“”

عنوان مقاله به فارسی : TOSI: یک روش ارزیابی اثر شبکه اجتماعی اعتماد محور در شبکه های اجتماعی زمینه ای

پشتیبانی : دارد . در صورت بروز هرگونه مشکل با شماره تلفن 09367938018 در واتس آپ یا تلگرام یا 09191732587 و یا آی دی تلگرام research_moghimi@ تماس حاصل فرمایید.

کیفیت محصول :عالی

قیمت : رایگان

به منظور دانلود فایل ورد مقاله میتوانید از دکمه سبز رنگ سمت چپ صفحه استفاده کنید.

کاربر محترم توجه داشته باشید که ترجمه یار با صرف هزینه های زیاد تلاش کرده تا این مقاله را به رایگان در اختیار خواننده محترم قرار دهد. پس خواهش مندیم با خرید این محصول با قیمت بسیار کم ما را در جهت ادامه دار کردن این مسیر یاری کنید.

ترجمه کامل محصول:

TOS :  یک روش ارزیابی اثر شبکه اجتماعی در شبکه های اجتماعی زمینه ای

چکیده :

شبکه های اجتماعی انلاين ( OSN) به عنوان ابزاری برای طیف وسیعی از کاربرد ها استفاده شده است. برای مثال بستر شبکه اجتماعی در سیستم اشتغال، تجارت الکترونیک و سیستم CRM برای بهبود کیفیت توصیه ها با کمک شبکه های اجتماعی استفاده شده است، با این حال، روش های ارزیابی اثر اجتماعی موجود به طور کامل شرایط اجتماعی را در نظر می گیرد یعنی روابط اجتماعي و اعتماد اجتماعی بین شرکت کننده ها و سلایق شرکت کننده ها را در نظر نمی گیرد که همگی اثر معنی داری بر روی ارزیابی اثر در OSN دارد. از اینر وی ، این روش های موجود قادر به ارایه نتایج ارزیابی اثر اجتماعی صحیح نمی باشند. در این مقاله، یک روش ارزیابی اثر اجتماعی اعتماد محور موسوم به TOSI  با در نظر گرفتن شرایط اجتماعی پیشنهاد می شود. ازمایشاتی بر روی دو مجموعه شبکه اجتماعی انجام شد یعنی اپینیون .dblp , نتایج آزمایشی نشان می دهد که روش TOSI عملکرد بهتری پر روی روش پیشرفته SOCAP  از حیث اثر بخشی، کارایی و استواری دارد.’‘ترجمه یار، دانلود رایگان مقالات”

کلمات کلیدی : شبکه اجتماعی، اثر اجتماعی و اعتماد

1 مقدمه

1-1  پیش زمینه

شبکه های اجتماعی انلاین OSN روز به روز محبوب تر شده و به عنوان ابزاری در شرایط مختلف نظیر اشتغال، CRM و تجارت الکترونیکی استفاده شده است. در این شرایط، اثر اجتماعی شرکت کننده ها بر تصمیم گیری سایرین اثر دارد. برای مثال، اپینیون که یک بستر تجارت الکترونیکی مبتنی بر OSN می باشد. خریدار قادر به نوشتن نظر خود در مورد محصول برای طبقه بندی محصولات و فروشنده متناظر است. این بازنگری و امتیاز دهی را می توان توسط سایر خریداران در نظر گرفت که همگی بر تصمیم گیری در خرید روش های یکسان اثر دارد همان طور که در مطالعات توسط سایر خریداران نشان داده شده است و می تواند بر روی تصمیم گیری در خرید محصولات یکسان اثر داشته باشد. همان طور که در مطالعات روان شناسی اجتماعی و علوم کامپیوتری (1-2-3) نشان داده شده است، یک فرد توصیه های شرکت کننده های با اثر اجتماعی بالاتر را در حوزه خاصی می پذیرد. از این روی، ارزیابی صحیح اثر اجتماعی شرکت کننده ها و شناسایی عوامل موثر در شبکه های اجتماعی مهم است در منابع، بسیاری از روش های ارزیابی اثر اجتماعی پیشنهاد شده است[ 14 ,13 ,12 ,11 ,10 ,9 ,8 ,7 ,6 ,5] که در آن مدل آبشاری مستقل (IC) یک مدل برای یافتن گروه های K برتر می باشد و دارای اثر اجتماعی بیشینه در یک شبکه است، متعافیا، برخی از کار های مهم (11-9). برای بهبود مقیاس پذیری IC پیشنهاد شده است. به علاوه در سال های اخیر، روش پیشینه سازی اثر محلی (15) برای ارزیابی اثر اجتماعی شرکت کننده خاص در OSN پیشنهاد شده است. به علاوهف چون برخی OSN در حال تبدیل شدن به یک ژنراتور زمان واقعی بزرگ می باشد، برخی از روش های استریمینیگ برای ارزیابی اثر اجتماعی شرکت کننده ها در OSN پیشنهاد شده است.

2 – 1  مسئله و انگیزه

همان طور که در روان شناسی اجتماعی نشان داده شده است (18-19-20)، اعتماد اجتماعی بین شرکت کننده ها ( برای مثال، دانشجویان به استاد خود در یک زمینه خاص اعتماد می کنند)، رابطه اجتماعی بین شرکت کنندگان ( به عنوان مثال، رابطه بین پدر و پسر)، و شباهت اولویت بین شرکت کنندگان (به عنوان مثال، همه آنها علاقه مند به بازی بسکتبال هستند) اثر معنی داری بر روی تصمیم گیری شرکت کننده ها و اثرات و نفوذ اجتماعی دارند. با این حال، این شرایط اجتماعی توسط روش های ارزیابی اثر اجتماعی عمومی در نظر گرفته نشده اند. از این روی این روش ها نمی توانند منجر به نتایج ارزیابی اثر اجتماعی شوند. به علاوه، با رشد مقیاس و پیچیدگی شبکه شبکه های اجتماعی به انواع مختلف حملات ناخواسته سازگار هستند. یک راهبرد رتبه بندی اعتماد محور برای دفاع در برابر حمله پیشنهاد می شود.’‘ترجمه یار، دانلود رایگان مقالات”

مثال 1: شكل 1 شبکه اجتماعی اپینیتون را نشان می دهد که شامل 5 شرکت کننده از p1تا P5 می باشد که همگی خریدار هستند. رابطه اعتماد (خطوط پر رنگ) P1 و P3، P2و P3 و P4 و P3 بر اساس کیفیت ارزیابی محصول P3 است. رابطه اجتماعی و سلایق را می توان از تاریخچه خرید و پروفیل آن ها کاوش کرد (22). فرض کنید که P1 دارای روابط اجتماعی نزدیک باشد و دارای سلایق مشابه با P3 نسبت به P2 است و P3 می تواند بر رفتار خرید P1 نسبت به P2 اثر داشته باشد. با این حال، در روش های ارزیابی اثر اجتماعی (5-10)، احتمال اثر بین دو گره در مدل LTتصادفی است و منعکس کننده اثر واقعی شرکت کننده ها است. به علاوه اگر P5 یک اسپمر باشد، می تواند از طیف وسیعی از همسایه ها برای اثر گذاری اجتماعی قوی بر روی تصمیم گیری P1 داشته باشد.ترجمه توسط ترجمه یار

مسائل فوق امکان توسعه یک روش ارزیابی اثر را برای ارزیابی اثر اجتماعی شرکت کننده ها در OSN می دهد. در این صورت، با در نظر گرفتن شرایط اجتماعی مهم، روش ارزیابی اثر اجتماعی اعتماد محور موسوم به TOSI  با استفاده از روش تکراری پیشنهاد می شود. چون روش ما همگرا است، می توان به نتایج ارزیابی اجتماعی صحیح دست یافت.

1-3  اهمیت و هدف

اهمیت این مقاله به شرح زیر است

– بر اساس آخرین گزارشات این اولین کاری است که در ارزیابی اثر اجتماعی در نظر گرفته می شود.

– برای دفاع در برابر حمله اسپم، اسپم فارم(23)، در فرایند ارزیابی اثر اجتماعی، ما یک رو ارزیابی اثر اجتماعی اعتماد محور را پیشنهاد می کنیم که از طیف اسپم برای اندازه گیری احتمال مهاجم بودن شرکت کننده استفاده می کند.

– یک روش ارزیابی اثر اجتماعی جدید TOSI  پیشنهاد می شود که N تعداد گره ها در OSN  و λ  دفعات تکراری در محاسبه است. – ازمایشاتی بر روی دیتاست های شبکه اجتماعی واقعی انجام شد. اپینیون وDBPL . با مقایسه با روش ارزیابی اثرات اجتماعی پیشرفته، SoCAP ،  روش TOSI عملکرد بهتری از SoCAP داشته است.’‘ترجمه یار، دانلود رایگان مقالات”

این مقاله به صورت زیر ارزیابی شده است. بخش دوم مربوط به مرور منابع است. بخش سوم به معرفی موارد مقدماتی، بخش چهارم شامل پیشنهاد روش TOSI است. در بخش در اثر بخشی و کارایی روش پینشهادی با مقایسه روش پیشرفته SOCAP تعیین می شود. بخش 6 شامل نتیجه گیری است.ترجمه توسط ترجمه یار

2 مرور منابع

در منابع، رویکرد های ارزیابی اثر اجتماعی به چهار گروه زیر طبقه بندی شده اند: بیشینه سازی اثر جهانی، بیشینه سازی اثر محلی، یادگیری استریم جریان و ارزیابی اثر فردی این روش ها در ادامه بررسی شده اند.

 2-1 بیشینه سازی اثر جهانی

بیشینه سازی اثر جهانی به معنی یافتن گروهی از گره هایی است که بر تعداد بیشینه سایر گره ها در OSN اثر دارد. کمپ و همکاران (5) یک الگوریتم حريص را پیشنهاد کرده اند که (e/1 – 1) نسبت بیشینه است. با این حال این الگوریتم دارای کارایی عملی پایین بوده و با اندازه شبکه غیر مقیاس پذیر است. برای بهبود مقیاس پذیری، 9 یک الگوریتمی را پینشهاد می کند که دارای پارامتر ساده است و کاربران قادر به کنترل توازن بین زمان اجرا و توزیع اثر الگوریتم است. جانگ و همکاران (7) یک الگوریتم IRIE را ارایه کرده اند که مزیت های رتبه بندی اثر و روش های برآورد اثر را برای بیشینه سازی اثر کلی ترکیب می کند. 10 یک الگوریتم بیشینه سازی اثر مقیاس پذير موسوم به الگوریتم مسیر مستقل براي مدل IC ارایه کرده کرده است. در این مدل، آن ها به بررسی IPA با در نظر گرفتن مسیر اثر مستقل به عنوان یک واحد ارزیابی پرداخته اند. به علاوه برای توسعه الگوریتم ارزیابی (11) یک الگوریتم CELF را ارایه کرده و از مدولاریته زیرین برای یافتن مجموعه های موثر تر استفاده می کند. به علاوه، لاسکوگ و همکاران ( 24-25) روابط بین دو شرکت کننده را به دو مورد اثر مثبت و منفی تقسیم کرده و آن ها را از طریق تئوری های تعادل و وضعیت از روان شناسی اجتماعی بررسی می کند. بر اساس این مطالعه، یاهونا و همکاران (26) به بررسی اثر انتشار اثر و بیشینه سازی اثر در OSN با دو رابطه منفی و مثبت پرداختند.’‘ترجمه یار، دانلود رایگان مقالات”

 2 – 2 بیشینه سازی اثر محلی

بیشینه سازی اثر اجتماعی، به معنی یافتن گروه هایی از گره ها با اثر بیشینه بر روی شرکت کننده خاص است یان و همکاران (13) به مطالعه رابطه بین رتبه اعتماد و محصول در سایت ارزیابی مصرف کننده پرداخته اند. به علاوه آن ها روشی را برای ارزیابی نقاط قوت رابطه اعتماد برای برآورد اثر اعتماد در میان شرکت کننده ها ارایه کرده اند. به علاوه، گایو و همکاران (15) مدلی را برای یافتن K مدل ارایه کرده اند. به علاوه، ایتاوا و همکاران (27) مدل احتمالی را برای کشف اثر پنهان بین شرکت کننده در OSN ارایه کردند. این مدل برای یافتن شرکت کنند های موثر و کشف رابطه بین شرکت کننده ها استفاده می شود.

 2-3 یادگیری استریم اثر

در سال های اخیر، OSN  در حال تبدیل شدن به یک تولید کننده زمان واقعی دیتا استریم نظیر تویتر است. روش های استریمینگ اثر اجتماعی محبوب تر است. کاتسكوفو همکاران یک روش استرپمپنگ را ارایه کرده اند که برای محاسبه مقاومت اثر در لینک OSN استفاده شده است. به علاوه کارتیک(17) رویکردی را برای کاوش الگو های جریان بر اساس محدودیت های اعتبار جریان ارایه کرده است. با محدود سازی بستر های میکرو بلاگینگ  OSNهای دیگر می توانند زمینه کافی را برای اجرای کشف الگوی جریان اطلاعات ارایه کنند. از این روی روش های استریمنگ را نمی توان برای یافتن عامل اثر گذار در بستر های تجارت الکترونیکی OSN استفاده کرد.’‘ترجمه یار، دانلود رایگان مقالات”

 2-4 مسئله ارزیابی اثر انفرادی

برای ارزیابی اثر اجتماعی یک شرکت کننده خاص، اسابین و همکاران (12) یک رویکرد موسوم به SOCAP را برای یافتن عوامل مثور در OSN با استفاده از مقادیر سرمایه اجتماعی ارایه کرده اند، مسئله یافتن عامل اثر گذار به عنوان مسئله تخصیص ارزش مدل سازی شد که در آن مقدار تخصیص داده شده بیانگر سرمایه اجتماعی است به علاوه، فرانس و همکاران (14)، روشی را برای شناسایی عوائل موثر در سیستم های چند عاملی با استفاده از روش ماتریس فاکتور گیری اندازه گیری گره ها در شبکه ارایه کرده است.

جمع بندی

روش های موجود به طور کامل شرایط اجتماعی نظیر روابط و اعتماد بین شرکت کننده ها را در نظر نمی گیرد . همان طور که در روان شناسی اجتماعی 1-2-3 و علوم کامپیوتر نشان داده شده است (4)، این زمینهی های اجتماعی برای ارزیابی اثر اجتماعی مفید هستند. از این روی این روش ها به نتایج صحیح منتهی می شوند.

3-  موارد مقدماتی

هدف روش ما ارزیابی اثر اجتماعی منطقی هر شرکت کننده در شبکه های اجتماعی زمینه ای بر اساس ساختار شبکه اجتماعی و زمینه های اجتماعی است.ترجمه توسط ترجمه یار

3-1 شبکه اجتماعی زمینه ای

یک شبکه اجتماعی زمینه ای (28) CSN  یک گراف جهت دار دارای برچسب( G = (V,E,LV,LE است که

-V مجموعه رئوس است

– E مجموعه ای از رئوس است و vi , vj ) є E) نشان دهنده یک راس جهت دار از لبه  Vi تا  Vjاست

LV  تابع تعریف شده بر روی V است به طوری که هر راس v در  LV(v) is Vمجموعه ای از برچسب های v است. برچسب هایرئوس برای نقش های اجتماعی یا اثر اجتماعی در حوزه خاص است.

LE -تابع تعریف شده E  است که برای هر (vi , vj ) در( E,LE(vi , vj   مجموعه ای از برچسب ها برای  (vi , vj )

3-2 زمینه های اجتماعی

فرض کنید که P مجموعه ای از شرکت کننده ها و R بردار زمینه های اجتماعی که در آن  بیانگر اعتماد، رابطه و سلیقه بين Pi و Pj است و به علاوه، IN نشان دهنده همسایه های ورودی Pi و ON نشان دهنده همسایه های خروجی است.

– اعتماد اجتماعی: این بر اساس اثر متقابل افراد است (28) فرض کنید که t نشان دهنده اعتماد بین شرکت کننده ها است. نشان می دهد که  نشان می دهد که pi به طور کامل به Pj بی اعتماد است. مقدار ST بر اساس تجربه اثر متقابل است.

– رابطه اجتماعی:  این به معنی درجه اجتماعی بین دو شرکت کننده (19) است. فرض کنید که S نشان دهنده نزدیکی بین روابط اجتماعی است و از این روی نشان می دهد که Pi با Pj در تماس نبوده است. نزدیکی رابطه بین دو شرکت کننده بر اساس اطلاعات شخصی آن ها یا تعامل انلاین اندازه گیری می شود.ترجمه توسط ترجمه یار

– تشابه سليقه: تشابه سلیقه منعکس کننده رابطه بین سلایق دو شرکت کننده است. فرض کنید مقدارP، تشابه سلیقه بین دو شرکت کننده باشد.  نشان می هد که سلایق Pi و Pj دقیقا یکسان هستند و  نشان می دهد که چیز مشترک بين Pi و Pj وجود ندارد.’‘ترجمه یار، دانلود رایگان مقالات”

ایجاد روابط اجتماعی، اعتماد و تشابه سلیقه در همه ابعاد سخت است و از این روی آن ها در جوامع اجتماعی با استفاده از روش های داده کاوی امکان پذیر بوده است. کاوش مقادیر زمینه ای چالش برانگیز است.

مثال 2: شکل 2 شبکه اجتماعی زمینه ای  را نشان می دهد که شامل زمینه های است.

3-3 مسئله ارزیابی اثر اجتماعی

با توجه به شبکه اجتماعی زمینه ای G = (V,E,LV,LE) و مجموعه ای از عوامل، r، اثر اجتماعی شرکت کننده و مجموعه اثرات SI ارزیابی می شود.

-4 روش ارزیابی اثر مبتنی بر اعتماد

در این بخش، روش ارزیابی اثر اجتماعی مبتنی بر اعتماد TOSI با روش تکراری ارزیابی اثر اجتماعی پینشهاد می شود. چون روش ما همگرا است، می توان به نتایج ارزیابی اجتماعی صحیح دست یافت.

 1-4 توصیف الگوریتم

در روش TOSI، اثر اجتماعی شرکت کننده ها محاسبه شده و تا زمان رسیدن به عمگرایی با روش تکراری جایگزین می شود. سپس، فرایند تکرار معرفی می شود.

اثرات اجتماعی در زمان 1+T بر اساس عوامل اثر گذاری است که در زمان تکرار T قرار دارد. در فرایند ارزیابی اثرات اجتماعی، زمینه های اجتماعی مطلوب است.SIi بیانگر اثر اجتماعی شرکت کننده PI می باشد.ترجمه توسط ترجمه یار

از این روی، Pk,i نشان دهنده احتمال اثر کل از PK تا pi است

مثال 3: در شکل 3 برای شرکت کننده p1 ، زمینه های اجتماعی , p2=p5  وجود دارد. جزییات شرایط اجتماعی و اثر اجتماعی در زمان t در شكل 3 نشان داده شده است.’‘ترجمه یار، دانلود رایگان مقالات”

 2-4 همگرایی تکرار

برای روش تکراری، یک کار اساسی، تضمین هم گرایی است. هاولیا 20 اقدام به تحلیل همگرایی PageRank بر اساس ایده های روش تکراری کرده است و ما از همگرایی روش TOSI بهره می بریم. SIi اثر اجتماعی واقعی شرکت کننده PI است.

قضيه 1TOSI= همگرا است زیرا

اثبات 1 : چون SIi یک راه حل واقعی است. بر طبق معادله 1، حل معادله زیر مطلوب است

برای شرکت کننده PI، خطای تکرار به صورت زیر است

با نامساوی مثلث، میتوان معادله زیر را نوشت

سپس، جمع کل خطاهای شرکت کننده ها برای بدست آوردن خطای کل محاسبه میشود. توجه کنید که  است.

با توجه به معادله 6 میتوان دریافت که  گر تنها اگر  باشد. با این حال روش تکراری موجب کاهش اثر اجتماعی به 1 می شود یعنی  است. از این روی  است. لذا قضيه 1 اثبات می شود.ترجمه توسط ترجمه یار

4-3 حمله اسپم

در این روش ما در برابر جمله اسپم دفاع می کنیم یعنی فارم اسپم برای دفاع در برابر حمله اسپم، اسهم فارم(23)، در فرایند ارزیابی اثر اجتماعی، ما یک رو ارزیابی اثر اجتماعی اعتماد محور را پیشنهاد می کنیم که از طیف اسپم برای اندازه گیری احتمال مهاجم بودن شرکت کننده استفاده می کند برای مثال در فیسبوک طرفدار زامبی معمولا نقش شرکت کننده را ایفا می کند. این ساختار شبکه نظیر شكل 4، موجب می شود تا اسپم دارای اثر اجتماعی غیر واقعی باشد بر اساس تراست رنک (30)، از راهبرد رتبه بندی اعتماد محور برای دفاع استفاده می کنیم و TRi برای نشان دادن اعتماد استفاده می کنیم.’‘ترجمه یار، دانلود رایگان مقالات”

در ابتدا، تراست رنک TRt+1 در زمان 1+t بر اساس رتبه های اعتماد  TRt  است. هم چنین، فرایند اثر اجتماعی، زمینه های اجتماعی در نظر گرفته می شود. معادله به صورت زیر است.

که Pk,i در معادله 2 تعریف شده است

سپس برای دفاع در برابر حمله، یک سری گره های قابل اعتماد انتخاب می شوند. برای مثال ویبو می تواند در زمانی انتخاب شود که TN بر اساس مجموعه الگوریتم استفاده شود. در غیر این صورت، ضریب تجزیه α برای تراست رنگ استفاده می شود معادله 8 به صورت زیر بارنویسی می شود.

در نهایت، بر طبق امتیازات تراست رنگ، TOSI مقدار اسپم (23) را محاسبه می کند و این نشان دهنده احتمال مهاجم بودن فرد است. هر چه وزناسپم بالا باشد، احتمال مهاجم بودن بالا است. فرض کنید که SMi نشان دهنده وزن کل اسپم  PI است. معادله به صورت زیر است

از این روی روش TASI عوامل موثر اجتماعی را توصیه می کند که اثر اجتماعی قوی دارد’‘ترجمه یار، دانلود رایگان مقالات”

الگوریتم: مجموعه اثر اجتماعی همه شرکت کننده های SI، مجموعه وزنی همه SM به شکل زیر است

1: S I, TR, S M ← {rand(1)};

 2: NewS I, NewTR ← ∅;

 3: TotalS I, TotalTR, i ← 0;

4: while i < λ do /* Iterative evaluate the social influences which are based on last social influences */

 5: i ← i + 1;

 6: TotalS I ← 0;

 7: for each P j in P do

 8: if P j is not isolated node then

 9: v, tr ← 0;

 10: for each node Pk in the incoming neighbors of P j do

 11: ρk, j ← (-→ Rk, j(t) TTTRk + -→ R k, j(r) / TTS Rk + -→ R k, j(p) / TTPS k) / 3; /* Calculate the influence probability from Pk to P j */

 12: v ← v + S I[k] ∗ ρk, j; /* Add up the social influence propagating from P k to P j */

 13: if Pj is trustworthy participant then /* Add up the TrustRank propagating from P k to P j */

 14: tr ← tr + α ∗ TR[k] ∗ ρk, j + (1 – α)/J;

15: else

 16: tr ← tr + α ∗ TR[k] ∗ ρk, j;

 17: end if

 18: end for

 19: NewS I[j] ← v, NewTR[j] ← tr;

 20: TotalS I ← TotalS I + v, TotalTR ← TotalTR + tr;

 21: end if

22: end for

 23: NewS I ← NewS I / TotalS I; /* Reduce the sum of social influences to 1 */

24: NewTR ← NewTR / TotalTR; /* Reduce the sum of TrustRanks to 1 */

 25: S M ← (NewS I – NewTR) / NewS I;

 26: Replace S I with NewS I, TR with NewTR;

 27: end while

 28: Return S I and S M

4-4 الگوریتم

شبه کد الگوریتم در الگوریتم 1 نشان داده شده است چون TOSI همگرا است و زمان تکرار ثابت است و پیچیدگی زمانی روش TOSI، O(λN2) است که تعداد شرکت کننده و λ زمان تکرار است.’‘ترجمه یار، دانلود رایگان مقالات”

 5- ازمایشات

در ازمایشات ما، ما روش TOSI با روش پیشرفته مقایسه می کنیم SCAP برای بررسی کارایی در منابع، بسیاری از روش های ارزیابی اثر اجتماعی پیشنهاد شده است که در آن مدل آبشاری مستقل (IC) یک مدل برای یافتن گروه های K برتر می باشد و دارای اثر اجتماعی بیشینه در یک شبکه است. متعاقبا، برخی از کار های مهم (11-9)، برای بهبود مقیاس پذیری یا پیشنهاد شده است. به علاوهف در سال های اخیر، روش بیشینه سازی اثر محلی (15) برای ارزیابی اثر اجتماعی شرکت کننده خاص در OSN پیشنهاد شده است. به علاوه، چون برخی OSN در حال تبدیل شدن به یک ژنراتور زمان واقعی بزرگ می باشد، برخی از روش های استریمینیگ برای ارزیابی اثر اجتماعی شرکت کننده ها در OSN پیشنهاد شده است.ترجمه توسط ترجمه یار

1 – 5 شرایط ازمایشی

شكل 6 : 1000 عامل اثر گذار هر روش بر روی اپیتیون. محور ایکس و ایکرک رتبه بندی های اثر اجتماعی هستند و حلقه برگ مرزی حاوی 1000 عامل اثر گذار است. دایره های قرمز کوچک شامل هر دو اثر گذاران واقعی و کاذب است

5-1-1 مجموعه داده ها

ما از مجموعه داده های شبکه اجتماعی ، برای اپینیون (32) و DBLP استفاده می کنیم. مجموعه داده اپیتبنون دارای 75897 و 508837 لینک است و هر یک نشان دهنده یک خریدار بوده و هر لینک بین خریداران متناظر است. مجموعه داده  DBLPدارای 317980 گرد و 10949 گره است. جزییات در جدول 1 نشان داده شده است.’‘ترجمه یار، دانلود رایگان مقالات”

2-1-5 واقعیت زمینی

بر اساس روش شناسی اجتماعی اگر شرکت کننده بر تعداد زیادی از افراد با نفوذ زیاد اثر داشته باشد، این شرکت کننده نیز اثر بالايی داشت ما اثر گذاران را بر اساس تعداد شرکت به صورت واقعیت زمینی در 1exp- exp3  است.ترجمه توسط ترجمه یار

3-1-5 مدل های انتشار

در 2-Exp، ما از دو روش انتشار کلاسیک استفاده می کنیم مدل استانه خطی و مدل ابشار مستقل، این مدل ها  برای بررسی اثر بخشی ارزیابی اثر در 35-36-37 با مقایسه گره ها نشان داده شده است.

مدل استانه خطی: مدل LT اولین مدل برای شبیه سازی فرایند انتشار اطلاعات است. این رویکرد بر اساس روش های استانه خاص است. در این مدل، در مرحله T، همه گره ها تحت تاثیر قرار می گیرد. یک شرکت کننده Pi بر اساس تابع. تحت تاثیر قرار می گیرد و [1 ,0] I єθ می باشد.’‘ترجمه یار، دانلود رایگان مقالات”

که In(I,t) همسایه های pi در زمان t  است.

همسایه های خروجی هستند. در این آزمایشات برای بررسی اثر بخشی روش بر اساس استانه ها به ازای هر PI داریم I є {0.1,0.3,0.5,0.7,0.9}θ

– آبشار مستقل: مدل IC یک مدل آبشار دینامیک برای فرایند انتشار است. این مدل بر اساس سیستم ذرات تعاملی از نظریه احتمال است. در هر زمان T، هر شرکت کننده یا تحت تاثیر قرار گرفته یا حساس است. یک Pj شرکت کننده در زمان 1-t، شانس اثر گذاری بر روی همه همسایه ها وجود دارد. اثرات بر احتمال Pi,j است. احتمال اثر گذاری pi بر روی t به شکل زیر استترجمه توسط ترجمه یار

که (In(I,t-1 همسایه های ورودی pi در زمان t-1 است .

در ازمایشات، عامل اثر گذار برتر توسط TosI و SOCAP در مدل های انتشاری به صورت {100  ,50, K є {1 ,5 ,10 ,20 قرار می گیرد. بر اساس ویژگی های مدل انتشاری، تعداد گره های متاثر از مدل می توانند نشان داده شوند.’‘ترجمه یار، دانلود رایگان مقالات”

4-1-5 محیط ازمایش

همه آزمایشات بر روی کامپیوتر با پردازنده Intel Core i5-3470 CPU 3.20 GHz با حافظه 8 گیگ انجام شد. این کد با استفاده از 2012 ++Visual C اجرا شده داده ها با MYSQL مدیریت شدند.

5-2 نتایج ازمایشی و تحلیل

5-2-1 1-EXP, اثر بخشی

دقت با 1000 عامل اثر گذار مقایسه شد :

در ابتدا، روند تغییرات عدد بازیابی شده با افزایش زمان تکرار برای بررسی همگرایی روش TOSI بررسی شد. عدد بازیابی شده تعداد عوامل اثر گذار است. نتایج ازمایشی بر اساس مجموعه داده های اپینیتیون و مجموعه داده های DBLP در شکل 5 نشان داده شده است و از این روی این داده ها بر مبنای رو TOSI هستند و در زیر تعداد تکرارλ  مطلوب است.’‘ترجمه یار، دانلود رایگان مقالات”

شكل 7: 1000 اثر گذار برتر هر روش بر روی DBLP. محور ایکس و ایکر ک بر اساس رتبه بندی اثرات اجتماعی بوده و دایره بزرگ مرز حاوی 1000 عامل اثر گذار بر اساس هر روش است. دایره کوچک به صورت 1000 عامل اثر گذار و ده عامل اثر گذار می باشد. ستاره های های 1000 عامل موثر تر است .

دوما پس از 5 تکرار، نتایج ازمایشی در جدول 2 نشان داده شده است. برای اپینیون، روش TOSI، 840  اثر گذار دارد در حالی که SOCAP تنها 247 اثر گذار را یافته است. بر اساس تابع دقت در معادله 8 دقت روش TOSI، 840   درصد است. بر عکس، تنها 24 . 7 درصد روش SOCPA است. از این روی مقایسه با SOCAP نشان می دهد که روش ما موجب افزایش دقت ارزیابی تا 240 درصد می شود. برای DBLP ، روش TOSI 138 مورد را از واقعیت های زمینی تعیین کرده است.

دقت =مرتبط / بازیابی شده / بازیابی شده

سپس فهرست نتایج 10 اثر گذار برتر بازیابی شده توسط هر روش در جدول 3 نشان داده می شود. بر اساس جدول 3 روش TOSI قادر به یافتن 10 اثر گذار برتر است و رتبه بندي TOSI نزدیک به رتبه بندی ده واقعیت زمینی است. ولی اثر گذاران دارای رتبه بندی 10 اثر گذار بودند .’‘ترجمه یار، دانلود رایگان مقالات”

نتایج ازمایشی اپینیون و DBLP در شكل 6 و 7 نشان داده شده است که در آن تعداد اثر گذاران بر اساس روش طوسی بیش از SOCAP با رتبه بندی بالاتر است. از این روی TOSI نتایج ارزیابی بهتری نسبت به SOCAP دارد.

ما از تابع خطای مطلق برای اندازه گیری خطای هر روش استفاده می کنیم. خطا، مقدار مطلق بین رتبه بندی اثر یا هر روش و رتبه بندی واقعیات زمینی است.ترجمه توسط ترجمه یار

که GT مجموعه ای از 1000 اثر گذار واقعی، (RA(Pi رتبه بندی اثر PI است که توسط هر روش ارزیابی می شود و ( GTRA(Pi رتبه بندی واقعیت زمینی PI است.

شكل 8:  خطای هر روش بر روی هر مجموعه داده. محور X تعداد سریال اثر گذاران است. محور Y رتبه بندی اثر اجتماعی است. منحنی سبز، رتبه بندی واقعیت زمینی و دایره سیاه، رتبه بندي عوامل اثر گذار است

در نهایت، ما به مطالعه خطای مطلق و صحت روش TOSI با مقایسه 1000 اثر گذار بر تر بر اساس هر روش و واقعیات زمینی می پردازیم. چون SOCAP رابطه اجتماعی را در نظر گرفته است، قادر به ارزیابی نتایج نیست. به این ترتیب روش TOSI عملکرد بهتری از SOCAP در اریابی بر اساس نتایج واقعی دارد.’‘ترجمه یار، دانلود رایگان مقالات”

5-2-2 2-EXP اثر بخشی بر اساس مدل های انتشار

شکل 9، نتایج ازمایشی مدل LT را نشان می دهد و تعداد گره های تحت تاثیر توسط TOSI با K متفاوت شناسایی شده است و θI بیش از CAP  SO است. تعداد متوسط گره ها با TOSI برابر با 560918  می باشد و از این رو با CAP  SO برابر با 137102 و کم تر از TOSI به میزان75.56  درصد است. به علاوه تعداد گره های متاثر شناسایی شده با دو روش با افزایش K افزایش می یابد. زیرا با افزایش K، تعداد منابع برای اطلاعات افزایش می یابد به علاوه، تعداد گره های متاثر با دو روش با افزایش θi کاهش می یابد.

شکل 10 تعداد گره های متاثر را با TOSI و CAP  SO نشان می دهد که با افزایش K در مدل IC. می توان دید که تعداد گره های مثاثر TOSI بیش از SOCAP در همه 6 مورد در دو مجموعه داده است. تعداد متوسط گره های متاثر با TOSI برابر با 244192 است و SOCAP برابر با 210695 است و13.8 درصد کم تر از قبلی است این بر اساس خواص مدل IC در مدل های انتشاری است. به علاوه با افزایش کل تعداد گره های متاثر از گره های K با هر دو روش افزایش می یابد.’‘ترجمه یار، دانلود رایگان مقالات”

از نتایج آزمایشی در مدل های انتشار کلاسیک lt – ic عوامل موثر برتر با TOSI موجب بهبود کارایی تا 90 درصد می شود. از این روی روش Tosi عملکرد بیشتری از socap  در اثر بخشی بر اساس دو مدل انتشاری دارد.ترجمه توسط ترجمه یار

Exp-3 3-2-5 استواری

در ابتدا 5 حمله کننده اسپکم فارم با 500 تکرار تصادفی تنظیم می شوند. از این رو{ M є {50, 100, 200, 500, 1000 در زیر تعيين شده است. سپس عوامل اثر گذار واقعیت زمینی [23] 85, استفاده می شود. در نهایت شرکت کننده های اسپم مس بر اساس معادله 10 با اثر گذار صادق مقایسه می شود. از این روی TOSI  قادر به شناسایی عوامل اثر گذار برای بهبود استواری اجتماعی است. SOCAP قادر به یافتن این عوامل نیست.

5-2-4-XP کارایی

جدول 2 دفعات اجرای ارزیابی اثر دو روش را نشان می دهد. در مجموعه داده اپینییون، 444 برای TOSI است و از این روی این روش قادر به صرفه جویی 93.1 درصد در زمان اجرا است بر روی مجموعه DBLP، 1.244 میلی ثانیه برای TOSI و 8.364 برای SOCAP است. به طور متوسط روش ما قادر به صرفه جویی  85.1 است. از ای روی بر اساس قضيه 1، همگرایی TOSI سریع است. روش TOSI عملکرد بهتری از نظر کارایی نسبت به SOCAP دارد.’‘ترجمه یار، دانلود رایگان مقالات”

6– نتیجه گیری و کار های اینده

در این مقاله، ما یک روش ارزیابی اثر اجتماعی مبتنی بر اعتماد را پیشنهاد کرده ایم که بر اساس سه زمینه اجتماعی هستند. یک روش ارزیابی اثر اجتماعی اعتماد محور موسوم به TOSI با در نظر گرفتن شرایط اجتماعی پیشنهاد شد. آزمایشاتی بر روی دو مجموعه شبکه اجتماعی انجام شد یعنی اپینیون وdblp نتایج آزمایشی نشان می دهد که روش TOSI عملکرد بهتری بر روی روش پیشرفته SOCAP از حيث اثر بخشی، کارایی و استواری دارد.ترجمه توسط ترجمه یار

در مطالعات اینده هدف ما استفاده از روش TOSI به OSN برای بررسی نتایج ارزیابی اثر و توصیه پارامتر های مطمئن تر است.

 

error: شما فقط اجازه مطالعه دارید
قیمت می خواهید؟ ما ارزانترین قیمت را ارائه می کنیم. کافیست فایل خود را یا از طریق منوی خدمات ترجمه => ثبت سفارش ترجمه ارسال کنید یا برای ما به آدرس research.moghimi@gmail.com ایمیل کنید یا در تلگرام و واتس آپ و حتی ایمو با شماره تلفن 09367938018 ارتباط بگیرید و ارزانترین قیمت ترجمه را از ما بخواهید
+