ترجمه مقاله توصیه سرویس مبتنی بر شبکه اجتماعی با افزایش اعتماد - نشریه الزویر

ترجمه مقاله توصیه سرویس مبتنی بر شبکه اجتماعی با افزایش اعتماد - نشریه الزویر
قیمت خرید این محصول
۳۷,۰۰۰ تومان
دانلود رایگان نمونه دانلود مقاله انگلیسی
عنوان فارسی
توصیه سرویس مبتنی بر شبکه اجتماعی با افزایش اعتماد
عنوان انگلیسی
Social network-based service recommendation with trust enhancement
صفحات مقاله فارسی
25
صفحات مقاله انگلیسی
10
سال انتشار
2014
نشریه
الزویر - Elsevier
فرمت مقاله انگلیسی
PDF
فرمت ترجمه مقاله
ورد تایپ شده
رفرنس
دارد ✓
کد محصول
87
وضعیت ترجمه عناوین تصاویر و جداول
ترجمه شده است ✓
وضعیت ترجمه متون داخل تصاویر و جداول
ترجمه نشده است ☓
وضعیت ترجمه منابع داخل متن
به انگلیسی درج شده است ✓
وضعیت فرمولها و محاسبات در فایل ترجمه
به صورت عکس، درج شده است ✓
رشته های مرتبط با این مقاله
مهندسی کامپیوتر و فناوری اطلاعات
گرایش های مرتبط با این مقاله
امنیت اطلاعات، اینترنت و شبکه های گسترده
مجله
سیستم های خبره و کاربردهای آن - Expert Systems with Applications
دانشگاه
دانشکده علوم کامپیوتر و فناوری، دانشگاه ژجیانگ، چین
کلمات کلیدی
شبکه اجتماعی، توصیه سرویس، اعتماد-افزوده، گام تصادفی
۰.۰ (بدون امتیاز)
امتیاز دهید
فهرست مطالب
چکیده
مقدمه
مسأله پراکندگی
مسأله شروع سرد
مسأله امانت داری
کار مرتبط
تعریف مسأله و موارد مقدماتی
رهیافت توصیه اعتماد-افزوده
رابطه اعتماد
الگوریتم توصیه
امتیازدهی
ارزیابی و تحلیل
چیدمان آزمایش
سنجه های ارزیابی
نتایج تجربی
نتیجه گیری
نمونه چکیده متن اصلی انگلیسی
Abstract

Given the increasing applications of service computing and cloud computing, a large number of Web services are deployed on the Internet, triggering the research of Web service recommendation. Despite of service QoS, the use of user feedback is becoming the current trend in service recommendation. Likewise in traditional recommender systems, sparsity, cold-start and trustworthiness are major issues challenging service recommendation in adopting similarity-based approaches. Meanwhile, with the prevalence of social networks, nowadays people become active in interacting with various computers and users, resulting in a huge volume of data available, such as service information, user-service ratings, interaction logs, and user relationships. Therefore, how to incorporate the trust relationship in social networks with user feedback for service recommendation motivates this work. In this paper, we propose a social networkbased service recommendation method with trust enhancement known as RelevantTrustWalker. First, a matrix factorization method is utilized to assess the degree of trust between users in social network. Next, an extended random walk algorithm is proposed to obtain recommendation results. To evaluate the accuracy of the algorithm, experiments on a real-world dataset are conducted and experimental results indicate that the quality of the recommendation and the speed of the method are improved compared with existing algorithms.

نمونه چکیده ترجمه متن فارسی
چکیده

با وجود افزایش برنامه های کاربردی رایانش سرویس و رایانش ابری، تعداد زیادی از سرویس های وب در اینترنت به کار می روند که پژوهش در توصیه سرویس وب را راه اندازی می کنند. برخلاف سرویس های QoS، استفاده کاربر از بازخورد در حال تبدیل شدن به یک روند در توصیه سرویس میشود.  همانند سیستم های توصیه کننده سنتی، پراکندگی، شروع سرد و امانت داری موضوعات اصلی و چالش برانگیز توصیه سرویس در به کار بردن رهیافتهای مبتنی بر شباهت است. در ضمن، با فراخوانی شبکه های اجتماعی، امروزه مردم در تعامل با رایانه ها و کاربران مختلف فعال می شوند که منتج به یک حجم عظیمی از داده های در دسترس نظیر اطلاعات سرویس، امتیازدهی کاربر –سرویس، لوگ های برهم کنش و روابط کاربران می شود. بنابراین استفاده از رابطه اعتماد در شبکه های اجتماعی با بازخورد کاربر برای توصیه سرویس انگیزه این کار است. در مطالعه حاضر، ما یک شبکه اجتماعی مبتنی بر روش توصیه سرویس با افزایش اعتماد را پیشنهاد می دهیم که RelevantTrustWalker نام دارد. در ابتدا، یک روش فاکتورگیری ماتریس برای ارزیابی درجه اعتماد بین کاربران در شبکه اجتماعی به کار می رود. سپس، یک الگوریتم گام تصادفی تعمیم یافته برای دستیابی به نتایج توصیه پیشنهاد می دهیم. برای ارزیابی دقت الگوریتم، آزمایش هایی در مجموعه داده دنیای واقعی ترتیب داده می شوند و نتایج تجربی نشان می دهند که کیفیت توصیه و سرعت روش در مقایسه با الگوریتم های موجود بهتر است.


بدون دیدگاه