مقاله ترجمه شده درباره سیستم توصیه دهنده فردی بر اساس قدرت رابطه دوستی در خدمات شبکه اجتماعی – سال 2017
مشخصات مقاله:
عنوان فارسی مقاله:
سیستم توصیه دهنده فردی بر اساس قدرت رابطه دوستی در خدمات شبکه اجتماعی
عنوان انگلیسی مقاله:
Personalized Recommender System based on Friendship Strength in Social Network Services
کلمات کلیدی مقاله:
سیستم توصیه دهنده فردی، خدمات شبکه اجتماعی، قدرت دوستی، رفتار اجتماعی، فیلتر مشارکتی
مناسب برای رشته های دانشگاهی زیر:
مهندسی فناوری اطلاعات
مناسب برای گرایش های دانشگاهی زیر:
اینترنت و شبکه های گسترده
وضعیت مقاله انگلیسی و ترجمه:
مقاله انگلیسی را میتوانید به صورت رایگان با فرمت PDF از باکس زیر دانلود نمایید. ترجمه این مقاله با فرمت WORD – DOC آماده خریداری و دانلود آنی میباشد.
فهرست مطالب:
چکیده
1-مقدمه
2- آثار مربوطه
1-2 سیستم توصیه دهنده فردی بر اساس داده های اجتماعی بزرگ
2-2 سیستم توصیه دهنده فردی بر اساس اطلاعات رابطه مندی افراد
1-2-2 سیستم های توصیه دهنده فردی از سوی افراد تاثیر گذار
2-2-2 سیستم های توصیه دهنده فردی از جانب دوستان
3- قدرت دوستی بر اساس سیستم توصیه فردی
1-3 روش شناسی
2-3 دسته بندی بر اساس قطبیت محتویات (مرحله 2و3)
3-3 محاسبه مقدار اولویت کاربران (مراحل 5و6)
4-3 محاسبه قدرت دوستی (مراحل 7،8 و 9)
1-4-3 تشابه تاثیر متقابل
2-4-3 تشابه گروه
3-4-3 تشابه فردی
5-3 توصیه فردی (مرحله 10)
4-آزمایش و ارزیابی
1-4 مجموعه داده ها
2-4 فرایند ارزیابی
5.بحث
6-نتیجه گیری
قسمتی از مقاله انگلیسی و ترجمه آن:
Abstract
The rapid growth of social network services has produced a considerable amount of data, called big social data. Big social data are helpful for improving personalized recommender systems because these enormous data have various characteristics. Therefore, many personalized recommender systems based on big social data have been proposed, in particular models that use people relationship information. However, most existing studies have provided recommendations on special purpose and single-domain SNS that have a set of users with similar tastes, such as MovieLens and Last.fm; nonetheless, they have considered closeness relation. In this paper, we introduce an appropriate measure to calculate the closeness between users in a social circle, namely, the friendship strength. Further, we propose a friendship strength-based personalized recommender system that recommends topics or interests users might have in order to analyze big social data, using Twitter in particular. The proposed measure provides precise recommendations in multi-domain environments that have various topics. We evaluated the proposed system using one month’s Twitter data based on various evaluation metrics. Our experimental results show that our personalized recommender system outperforms the baseline systems, and friendship strength is of great importance in personalized recommendation.
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.
