ترجمه مقاله توصیه های چرخه محور در شبکه های اجتماعی آنلاین – نشریه ACM

عنوان فارسی: | توصیه های چرخه محور در شبکه های اجتماعی آنلاین |
عنوان انگلیسی: | Circle-based Recommendation in Online Social Networks |
تعداد صفحات مقاله انگلیسی : 9 | تعداد صفحات ترجمه فارسی : 28 |
سال انتشار : 2012 | نشریه : ACM |
فرمت مقاله انگلیسی : PDF | فرمت ترجمه مقاله : ورد تایپ شده |
کد محصول : 5581 | رفرنس : دارد |
محتوای فایل : zip | حجم فایل : 2.21Mb |
رشته های مرتبط با این مقاله: مهندسی فناوری اطلاعات و مهندسی کامپیوتر |
گرایش های مرتبط با این مقاله: مهندسی الگوریتم ها و محاسبات، اینترنت و شبکه های گسترده و مهندسی نرم افزار |
مجله: هیجدهمین کنفرانس بین المللی کشف دانش و داده کاوی SIGKDD |
دانشگاه: موسسه پلیتکنیک NYU |
وضعیت ترجمه عناوین تصاویر و جداول: ترجمه شده است |
وضعیت ترجمه متون داخل تصاویر و جداول: ترجمه نشده است |
وضعیت فرمولها و محاسبات در فایل ترجمه: به صورت عکس، درج شده است |
چکیده
1- مقدمه
2- آثار مرتبط
1-2- فاکتورگیری ماتریس (MF)
2-2- شبکههای اجتماعی و MF
1-2-2- الگوی Social MF
3- الگوهای توصیهای چرخهمحور
1-3- استنتاج چرخۀ اعتماد
2-3- تخصیص میزان اعتماد
1-2-3- CircleCon1 : اعتماد برابر
2-2-3- CicleCon2 : اعتماد تخصص محور
3-2-3- CircleCon3 : تجزیۀ اعتماد
3-3- آموزش مدل
1-3-3- آموزش با رتبهبندیهای حاصل از هر مقوله
2-3-3- آموزش با رتبهبندیهای تمام مقولهها
4- آزمایشها
1-4- مجموعه داده
2-4- ارزیابی عملکرد
3-4- ارزیابی
1-3-4- آموزش با رتبهبندیهای مربوط به تمام مقولهها
2-3-4- آموزش با رتبهبندیهای مختص به هر مقوله
4-4- مشاهدات
5-نتیجهگیری
ABSTRACT
Online social network information promises to increase recommendation accuracy beyond the capabilities of purely rating/feedback-driven recommender systems (RS). As to better serve users’ activities across different domains, many online social networks now support a new feature of “Friends Circles”, which refines the domain-oblivious “Friends” concept. RS should also benefit from domain-specific “Trust Circles”. Intuitively, a user may trust different subsets of friends regarding different domains. Unfortunately, in most existing multi-category rating datasets, a user’s social connections from all categories are mixed together. This paper presents an effort to develop circle-based RS. We focus on inferring category-specific social trust circles from available rating data combined with social network data. We outline several variants of weighting friends within circles based on their inferred expertise levels. Through experiments on publicly available data, we demonstrate that the proposed circle-based recommendation models can better utilize user’s social trust information, resulting in increased recommendation accuracy.
چکیده
اطلاعات شبکۀ اجتماعی آنلاین، افزایش دقت سفارشی فراتر از قابلیتهای سامانههای توصیهگر کاملاً پیشبرندۀ رتبهبندی / بازخورد (RS) را نوید میدهد. به منظور خدمت بهتر به فعالیتهای کاربران در دامینهای مختلف، اکنون بسیاری از شبکههای اجتماعی آنلاین از ویژگی جدید «چرخۀ دوستان » پشتیبانی میکنند که در آن مفهوم «دوستان» غافل ـ دامین تصحیح میشود. همچنین، RS از «چرخۀ صداقت» دامین خاص بهره میگیرد. در واقع، کاربر میتواند به زیرمجموعههای متفاوتی از دوستان متعلق به دامینهای مختلف اعتماد کند. متاسفانه، در اکثر پایگاههای دادهای رتبهبندی چندمقولهای موجود، ارتباطات اجتماعی کاربر از تمام مقولهها با یکدیگر درآمیخته شده است. این مقاله، تلاشی بر تدوین RS چرخهمحور است. ما بر استنتاج چرخههای صداقت اجتماعی با مقولۀ خاص تمرکز میکنیم که از دادۀ رتبهبندی فعلی همراه با دادۀ شبکۀ اجتماعی گرفته شده است. ما چندین واریانت مختلف مرتبشدۀ دوستان با چرخههای مبتنی بر سطوح تخصصی استنباط شدۀ آنها را طرح ریزی میکنیم. از طریق آزمایشات صورت گرفته بر دادههای عمومی موجود، شرح میدهیم که الگوهای پیشنهادی چرخه محور میتواند از اطلاعات صداقت اجتماعی کاربر که به دقت بیشتر منتج میشود را مورد استفادۀ بهتر قرار دهد.