دانلود رایگان ترجمه مقاله TOSI روش ارزیابی تاثیر اجتماعی مبتنی بر اعتماد در شبکه های اجتماعی متنی – الزویر ۲۰۱۶

دانلود رایگان مقاله انگلیسی TOSI: یک روش ارزیابی اثر شبکه اجتماعی اعتماد محور در شبکه های اجتماعی زمینه ای به همراه ترجمه فارسی

 

عنوان فارسی مقاله TOSI: یک روش ارزیابی اثر شبکه اجتماعی اعتماد محور در شبکه های اجتماعی زمینه ای
عنوان انگلیسی مقاله TOSI: A Trust-Oriented Social Influence Evaluation Method in Contextual Social Networks
رشته های مرتبط مهندسی کامپیوتر و فناوری اطلاعات، اینترنت و شبکه های گسترده، امنیت اطلاعات، تجارت الکترونیک 
کلمات کلیدی  شبکه اجتماعی، اثر اجتماعی و اعتماد
فرمت مقالات رایگان

مقالات انگلیسی و ترجمه های فارسی رایگان با فرمت PDF آماده دانلود رایگان میباشند

همچنین ترجمه مقاله با فرمت ورد نیز قابل خریداری و دانلود میباشد

کیفیت ترجمه کیفیت ترجمه این مقاله متوسط  میباشد 
نشریه  الزویر – Elsevier
مجله پروسه علوم کامپیوتری – Procedia Computer Science
سال انتشار ۲۰۱۶
کد محصول F552

مقاله انگلیسی رایگان (PDF)

دانلود رایگان مقاله انگلیسی

ترجمه فارسی رایگان (PDF)

دانلود رایگان ترجمه مقاله

خرید ترجمه با فرمت ورد

خرید ترجمه مقاله با فرمت ورد
جستجوی ترجمه مقالات جستجوی ترجمه مقالات

  

فهرست مقاله:

چکیده

۱مقدمه

پیش زمینه

مسئله و انگیزه

اهمیت و هدف

۲ مرور منابع

۲-۱ بیشینه سازی اثر جهانی

۲-۲ بیشینه سازی اثر محلی

۲-۳ یادگیری استریم اثر

۲-۴ مسئله ارزیابی اثر انفرادی

جمع بندی

۳ موارد مقدکاتی

۳-۱ شبکه اجتماعی زمینه ای

۳-۳ مسئله ارزیابی اثر اجتماعی

۴ روش ارزیابی اثر مبتنی بر اعتماد

۴-۱ توصیف الکوریتم

۴-۲ همگرایی تکرار

۴-۳ حمله اسپم

۴-۴ الگوریتم

۵ ازمایشات

۵-۱ شرایط ازمایشی

۵-۱-۱ مجموعه داده ها

۵-۱-۲ واقعیت زمینی

۵-۱-۳ مدل های انتشار

۵-۱-۴ محیط ازمایش

۵-۲ نتایج ازمایشی و تحلیل

۵-۲-۱ EXP-1، اثر بخشی

۵-۲-۲ EXP-2: اثر بخشی بر اساس مدل های انتشار

۵-۲-۳ exp-3، استواری

۵-۲-۴ XP- کارایی

۶ نتیجه گیری و کار های اینده

 

بخشی از ترجمه فارسی مقاله:

۱- مقدمه
۱-۱ 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 شرگت 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(۱-۲-۳) نشان داده شده است، یک فرد توصیه های شرکت کننده های با اثر اجتماعی بالاتر را در حوزه خاص 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 [۵, ۶, ۷, ۸, ۹, ۱۰, ۱۱, ۱۲, ۱۳, ۱۴] که در آن مدل آبشاری مستقل(IC) یک مدل برای یافتن گروه های K برتر می باشد و دارای اثر اجتماعی بیشیته در یک شبکه است. متعاقبا، برخی از کار های مهم(۱۱-۹)، برای بهبود مقیاس پذیری IC پیشنهاد شده است. به علاوهف در سال های اخیر، روش بیشینه سازی اثر محلی(۱۵) برای ارزیابی اثر اجتماعی شرکت کننده خاص در OSNپیشنهاد 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.

۱-۲ مسئله و انگیزه
همان طور که در روان شناسی اجتماعی نشان داده شده است(۱۸-۱۹-۲۰)، 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 ا ارزیابی اثر اجتماعی شوند. به علاوهف 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.
مثال ۱: شکل ۱ شبکه اجتماعی اپینیتون را نشان می دهد که شامل ۵ شرکت کننده از p1تا P5 می باشد که همگی خریدار هستند. رابطه اعتماد( خطوط پر رنگ) P 1 و P3، P2 و P3 و P4 و P3 بر اساس کیفیت ارزیابی محصول P3 است. رابطه اجتماعی و سلایق را می توان تز تاریخچه خرید و پروفیل آن ها کاوش کرد(۲۲). 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(۵-۱۰)، احتمال اثر بین دو گره درمدل 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
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

بخشی از مقاله انگلیسی:

۱٫ Introduction

۱٫۱٫ Background

Online Social Networks (OSNs) are becoming more and more popular and have been used as the means in a variety of applications, like employment, CRM and e-Commerce. In these applications, the social influence of a participant can affect others’ decision-making. For example, at Epinions (epinions.com), an OSN based e-commerce platform, a buyer can write a product review to rate the products and corresponding seller. This review can be viewed by other buyers and thus can impact their decision making in purchasing the same products. As indicated in studies of Social Psychology [1, 2, 3] and Computer Science [4], a person is more likely to accept the recommendations given by participants with higher social influence (named as Influencers) in a specific domain. Therefore, it is significant to accurate evaluate the social influence of participants and identify those Influencers from social networks. In the literature, many social influence evaluation methods have been proposed [5, 6, 7, 8, 9, 10, 11, 12, 13, 14], in which, Independent Cascade (IC) model [5] is a typical model to find the Top-K nodes who have the maximal social influence in a network. Subsequently, some important works [11, 9] are proposed to improve the scalability of  IC model. In addition, in recent years, the Local Influence Maximization method [15] has been proposed to evaluate the social influence of a specific participant in OSNs. Furthermore, as some OSNs are becoming a large real-time generator of social data-streams, some streaming methods [16, 17] have proposed to evaluate the social influence of participants in OSNs.

۱٫۲٫ The Problem and Motivation

As illustrated in Social Psychology [18, 19, 20], the social trust between participants (e.g., students trust their lecturers in a specific research area), the social relationship between participants (e.g., the relationship between a father and his song), and the preference similarity between participants (e.g., they all like to play basketball) have significant influence on participants’ decision-making, and thus impact their social influence. However, these important social contexts are not fully considered by the existing social influence evaluation methods. Thus, these methods cannot deliver accurate social influence evaluation results. In addition, with the growth of network scale and complexity, social networks become susceptible to different types of unwanted and malicious spammer or hacker actions [21]. We propose a trust-oriented ranking strategy to defend against this kind of attack. Example 1: Figure 1 depicts a social network from Epinions, which contains five participants (i.e., P 1 to P5, they are all buyers). The trust relationship (represented as arrows with solid lines) between P1 and P3, P2 and P3, and P4 and P3 can be established based on the quality of the product review of P3. Their social relationship and preferences can be mined from the their profiles and purchase history [22]. Suppose P 1 has closer social relationships, and has more similar preferences to P3 than that of P2, then P3 can more likely affect the purchasing behavior of P1 than P2, which is not identified by the existing social influence evaluation methods. However, in traditional social influence evaluation methods [5, 6, 7, 8, 9, 10], the probability of the influence between two nodes is random in LT model or unified in IC model, which cannot reflect the realistic influence of participants. In addition, if P 5 is a spammer, in tradition social influence evaluation models, like the triggering model [5] and iterative model [23], he/she can utilize plenty of spam neighbors to establish fake strong social influence to affect P1’s decision-making. The above mentioned problems motivate us to develop a social influence evaluation method to accurately evaluate participants’ social influence in OSNs. In this paper, with considering the above mentioned important social contexts, we propose a Trust-Oriented Social Influence evaluation method, called TOSI by adopting iterative method. Since our method is convergent fast, thus we can deliver accurate social influence evaluation results with good efficiency.

 

نوشته های مشابه

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

دکمه بازگشت به بالا