دانلود فایل با شمار فاکتور
لطفا شماره فاکتور خود را درج نمایید
عنوان محصول: ساخت گراف های قابل اعتماد برای ارزیابی اعتماد در شبکه های اجتماعی آنلاین
توضیحات مختصر:
ما یک چارچوب اعتماد جدید برای بیان این مسئله که آیا آلیس میتواند در یک سرویس در شبکه های اجتماعی آنلاین بزرگ (OSNs) به باب اعتماد کند یا نه پیشنهاد می¬دهیم. مدل های زیادی برای ساخت و محاسبه اعتماد پیشنهاد شده اند. با این وجود، دو ضعف عمده منجر شده است که قابلیت استفاده کمی بویژه در OSNs های بزرگ د...
|
![]() | ساخت گراف های قابل اعتماد برای ارزیابی اعتماد در شبکه های اجتماعی آنلاین |



959 بازدید
کد مقاله: TTC-
1-
141
نوع فایل : docx
Abstract
We propose a novel trust framework to address the issue of “Can Alice trust Bob on a service?” in large online social networks (OSNs). Many models have been proposed for constructing and calculating trust. However, two common shortcomings make them less practical, especially in large OSNs: the information used to construct trust is (1) usually too complicated to get or maintain, that is, it is resource consuming; and (2) usually subjective and changeable, which makes it vulnerable to vicious nodes. With those problems in mind, we focus on generating small trusted graphs for large OSNs, which can be used to make previous trust evaluation algorithms more efficient and practical. We show how to preprocess a social network (PSN) by developing a simple and practical user-domain-based trusted acquaintance chain discovery algorithm through using the small-world network characteristics of online social networks and taking advantage of “weak ties”. Then, we present how to build a trust network (BTN) and generate a trusted graph (GTG) with the adjustable width breadth-first search algorithms. To validate the effectiveness of our work and to evaluate the quality of the generated trusted graph, we conduct many experiments with the real data set from Epinions.com. Our work is the first that focuses on generating small trusted graphs for large online social networks, and we explore the stable and objective information (such as domain) for inferring trust.
چکیده
ما یک چارچوب اعتماد جدید برای بیان این مسئله که آیا آلیس میتواند در یک سرویس در شبکه های اجتماعی آنلاین بزرگ (OSNs) به باب اعتماد کند یا نه پیشنهاد می¬دهیم. مدل های زیادی برای ساخت و محاسبه اعتماد پیشنهاد شده اند. با این وجود، دو ضعف عمده منجر شده است که قابلیت استفاده کمی بویژه در OSNs های بزرگ داشته باشند: اطلاعاتی که برای ایجاد اعتماد استفاده می شود معمولا دارای پیچیدگی زیادی در نگهداری هستند که در نتیجه منجر به مصرف منبع می شود. همچنین اغلب به صورت ذهنی بوده و قابل تغییر هستند و عیب دیگر آنها این است که در برابر تهدیدات بسیار آسیب پذیر هستند. با در نظر گرفتن این مشکلات، ما روی تولید گراف های قابل اعتماد کوچک برای OSN های بزرگ تمرکز کرده ایم که میتوانند برای کاراتر و عملی تر ساختن الگوریتم های ارزیابی اعتماد سابق مورد استفاده قرار گیرند. در این مقاله چگونگی پیش پردازش شبکه اجتماعی (PSN) را با توسعه یک الگوریتم کشف زنجیره ی آشنایی قابل اعتماد مبتنی بر دامنه کاربر با استفاده از مشخصه های شبکه دنیای کوچک شبکه های اجتماعی آنلاین و بهره مندی از اتصالات ضعیف نشان خواهیم داد. سپس، چگونگی ساخت یک شبکه قابل اعتماد (BTN) و تولید گراف قابل اعتماد (GTG) را با استفاده از الگوریتم های جستجوی ردیفی نشان خواهیم داد. برای ارزیابی تاثیربخشی روش پیشنهادی مان و همچنین ارزیابی کیفیت گراف قابل اعتماد تولید شده، ما آزمایشات زیادی را با مجموعه داده واقعی از وب سایت Epinions.com انجام می دهیم. روش پیشنهادی ما اولین روشی است که روی تولید گراف های قابل اعتماد کوچک برای شبکه های اجتماعی آنلاین بزرگ تمرکز دارد و به بررسی اطلاعات پایدار و عینی (مانند دامنه) برای استنباط اعتماد خواهیم پرداخت.


اطلاعات تماس با فروشگاه ترجمههای تخصصی
فروشگاه ترجمههای تخصصی پست الکترونیک :info@ttsell.ir پست الکترونیک :mailttsell@gmail.com شماره تلفن تماس:09355907190 کانال تلگرام : t.me/ttsell
- آدرس: تبریز، خیابان خاقانی، پاساژ خاقانی، پلاک 119
- تلفن تماس: 09355907190
- تلفن ثابت : 35250068-041
- Mailttsellاین آدرس ایمیل توسط spambots حفاظت می شود. برای دیدن شما نیاز به جاوا اسکریپت دارید : آدرس ایمیل
- @ttsell:آدرس تلگرام
فروشگاه ترجمههای تخصصی از سال 1387شروع به کار نموده است و تا کنون بیش از ده هزار ترجمه در رشته ها و زمینه های مختلف توسط متخصصین این مرکز انجام شده است.