مشخصات مقاله | |
عنوان مقاله | Personalized Recommender System based on Friendship Strength in Social Network Services |
ترجمه عنوان مقاله | سیستم توصیه دهنده فردی بر اساس قدرت رابطه دوستی در خدمات شبکه اجتماعی |
فرمت مقاله | |
نوع مقاله | ISI |
سال انتشار | |
تعداد صفحات مقاله | 22 صفحه |
رشته های مرتبط | مهندسی فناوری اطلاعات |
گرایش های مرتبط | اینترنت و شبکه های گسترده |
مجله | سیستم های خبره با کاربردهای آن – Expert Systems with Applications |
دانشگاه | گروه علوم کامپیوتر و مهندسی، دانشگاه کره |
کلمات کلیدی | سیستم توصیه دهنده فردی، خدمات شبکه اجتماعی، قدرت دوستی، رفتار اجتماعی، فیلتر مشارکتی |
کد محصول | 7288 |
نشریه | نشریه الزویر |
لینک مقاله در سایت مرجع | لینک این مقاله در سایت الزویر (ساینس دایرکت) Sciencedirect – Elsevier |
وضعیت ترجمه مقاله | ترجمه آماده این مقاله موجود نمیباشد. میتوانید از طریق دکمه پایین سفارش دهید. |
دانلود رایگان مقاله | دانلود رایگان مقاله انگلیسی |
خرید ترجمه این مقاله | خرید ترجمه این مقاله |
بخشی از متن مقاله: |
چکیده
رشد سریع خدمات شبکه اجتماعی مقدار قابل ملاحظه ای از داده ها را ایجاد نموده است که داده های اجتماعی بزرگ نام دارند. داده ای اجتماعی بزرگ برای بهبود سیستم های توصیه دهنده فردی مفید اند چون این داده های بی شمار دارای ویژگی های متنوع اند. لذا، بسیاری از سیستم های توصیه دهنده فردی بر اساس داده های اجتماعی بزرگ مطرح شده اند، به ویژه مدل هایی که از اطلاعات رابطه مندی افراد استفاده می کنند. به هر حال، اکثر مطالعات موجود، توصیه های درباره هدف ویژه و خدمات شبکه اجتماعی تک زمینه ای فراهم می کنند که دارای یک سری کاربران با سلیقه های مشابه اند از جمله مویلنز و لست.اف.ام؛ با این وجود، آنها رابطه نزدیکی و مجاورت را در نظر گرفته اند. در این مقاله، سنجش منابعی برای محاسبه مجاورت بین کاربران در محفل اجتماعی معرفی می کنیم، که همان قدرت دوستی است. سپس سیستم توصیه دهنده فردی قدرت محور دوستی را مطرح می کنیم که موضوعات ومنافعی را توصیه می دهد که کاربران ممکن است به منظور تحلیل داده های اجتماعی بزرگ به ویژه با استفاده از تویتر در پیش بگیرند. آنها سنجشی را فراهم نمودند که توصیه های دقیق در محیط های چند زمینه های فراهم می سازد که دارای موضوعات متنوع اند. ما با استفاده از داده های یک ماهه تویتر بر اساس سنجش های ارزیابی مختلف، به ارزیابی سیستم پیشنهادی پرداختیم. نتایج آزمایشی ما نشان می دهد که سیستم توصیه دهنده فردی ما بهتر از سیستم های خط مبنا عمل نموده و قدرت دوستی اهمیت زیادی در توصیه فردی دارد. |