اخبار و اعلانات
آمار
| تعداد نشریات | 38 |
| تعداد شماره‌ها | 1,240 |
| تعداد مقالات | 8,994 |
| تعداد مشاهده مقاله | 7,844,960 |
| تعداد دریافت فایل اصل مقاله | 4,706,596 |
مدل اعتماد مبتنی بر شبکه های بیزی درشبکه های اجتماعی | ||
| پدافند الکترونیکی و سایبری | ||
| مقاله 4، دوره 6، شماره 2 - شماره پیاپی 22، مرداد 1397، صفحه 29-38 اصل مقاله (1.03 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| نویسندگان | ||
| وحید حسین نژاد* 1؛ علی اصغرپور حاجی کاظم2 | ||
| 1دانشگاه آزاد واحد تبریز | ||
| 2استادیار، گروه مهندسی کامپیوتر، واحد تبریز، دانشگاه آزاد اسلامی، تبریز، ایران | ||
| تاریخ دریافت: 20 فروردین 1396، تاریخ بازنگری: 01 اسفند 1397، تاریخ پذیرش: 28 شهریور 1397 | ||
| چکیده | ||
| شبکههای اجتماعی، شبکه‌هایی هستند که در محیط اینترنت به وجود آمده‌اند و هدف از تأسیس این‌گونه شبکه‌ها کمک به برقراری ارتباط میان افراد مختلف از جوامع گوناگون است، شبکههای اجتماعی به شکلی توسعه یافته‌اند که تمام اطلاعات موجود در آن مورد اعتماد هر فردی نیست، شبکه‌ای محبوب است که، توان ارائه اطلاعات مورد اعتماد هر شخص را به او ارائه نماید. اگر شخص یا کاربر اطلاعاتی را از دیگران دریافت‌کند، باید مطمئن باشدکه اطلاعات نادرست را از کاربران بدخواه دریافت نکرده است. برای حل این مسائل مدل‌های اعتماد فراوانی توسعه یافته‌اند. با توجه به اینکه اعتماد در واقع با احتمالات سروکار دارد، شبکه بیزین نیز برای حل مسائل از احتمالات استفاده می‌کند، پس شبکه بیزین می‌تواند به کمک محاسبه اعتماد بیاید. در این پژوهش، مدل پیشنهادی (BTSN) یعنی مدلی برای محاسبه اعتماد به کمک شبکههای بیزین برای شبکههای اجتماعی ارایه شده است. این مدل قادر به محاسبه دقیق اعتماد بوده و می‌تواند در ابعاد بزرگتر به کمک شبکههای اجتماعی بیاید، در ادامه عملکرد و روش‌کار مورد بررسی قرار گرفته است. | ||
| کلیدواژه‌ها | ||
| مدل اعتماد؛ شبکه بیزی؛ شبکه های اجتماعی | ||
| عنوان مقاله [English] | ||
| Bayesian Networks Based Trust Model in Social Networks | ||
| نویسندگان [English] | ||
| Vahid Hossein Nejad1؛ Ali Asgharpour Haji Kazem2 | ||
| 2- | ||
| چکیده [English] | ||
| Social networks, networks that have come into existence, are on the Internet, whose purpose of the establishment is to communicate with different people from different societies. Social networks are a developed form whose information is not trusted by all individuals. Although, it is a popular network that can provide trusted information for some people. If one or more users receive some information from oth-ers, they should assure they have not recieved incorrect data from malicious users. Solutions to these prob-lems are confidence models. Provided that trust deals withpossibilities, Bayesian networks use possibilities to solve problems. As a result, the Bayesian network can improve the calculation of trust. In this study, the proposed model (BTSN) presents a model for calculating confidence using Bayesian networks for social networking. This model is able to calculate the confidence accurately and, in a large scale, can be used in social networks. In addition, the the performance and methods have been studied . | ||
| مراجع | ||
|
[1] J. Caverlee, L. Liu, and S. Webb, “Socialtrust: tamper-resilient trust establishment in online communities,” in Proceedings of the 8th ACM/IEEE-CS joint conference on Digital libraries, pp. 104–114, 2008. [2] A. Jøsang and S. Pope, “Semantic constraints for trust transitivity,” in Proceedings of the 2nd Asia-Pacific conference on Conceptual modelling, vol. 43, pp. 59–68, 2005. [3] P. Sztompka, “Trust: A sociological theory,” Cambridge University Press, 1999. [4] J. A. Golbeck, “Computing and applying trust in web-based social networks,” 2005. [5] S. P. Marsh, “Formalising trust as a computational concept,” 1994. [6] L. Mui, M. Mohtashemi, and A. Halberstadt, “A computational model of trust and reputation,” in System Sciences, 2002. HICSS. Proceedings of the 35th Annual Hawaii International Conference on, pp. 2431–2439, 2002. [7] J. Golbeck, “Trust and nuanced profile similarity in online social networks,” ACM Trans. Web, vol. 3, no. 4, p. 12, 2009. [8] M. Maheswaran, H. C. Tang, and A. Ghunaim, “Towards a gravity-based trust model for social networking systems,” in Distributed Computing Systems Workshops, 2007. ICDCSW’07. 27th International Conference on, p. 24, 2007. [9] M. Li and A. Bonti, “T-OSN: a trust evaluation model in online social networks,” in Embedded and Ubiquitous Computing (EUC), 2011 IFIP 9th International Conference on, pp. 469–473, 2011. [10] R. Levien, “Attack-resistant trust metrics,” in Computing with Social Trust, Springer, pp. 121–132, 2009. [11] S. Al-Oufi, H.-N. Kim, and A. El Saddik, “A group trust metric for identifying people of trust in online social networks,” Expert Syst. Appl., vol. 39, no. 18, pp. 13173–13181, Dec. 2012. [12] P. Massa and P. Avesani, “Trust metrics on controversial users: Balancing between tyranny of the majority,” Int. J. Semant. Web Inf. Syst., vol. 3, no. 1, pp. 39–64, 2007. [13] J. Caverlee, L. Liu, and S. Webb, “Towards robust trust establishment in web-based social networks with socialtrust,” in Proceedings of the 17th international conference on World Wide Web, pp. 1163–1164, 2008. [14] U. Kuter and J. Golbeck, “Sunny: A new algorithm for trust inference in social networks using probabilistic confidence models,” in AAAI, vol. 7, pp. 1377–1382, 2007.
[15] S. Fong, Y. Zhuang, M. Yu, and I. Ma, “Quantitative analysis of trust factors on social network using data mining approach,” in Future Generation Communication Technology (FGCT), 2012 International Conference on, pp. 70–75, 2012. [16] L. Bouchaala, A. Masmoudi, F. Gargouri, and A. Rebai, “Improving algorithms for structure learning in Bayesian Networks using a new implicit score,” Expert Syst. Appl., vol. 37, no. 7, pp. 5470–5475, 2010. [17] G. F. Cooper and E. Herskovits, “A Bayesian method for the induction of probabilistic networks from data,” Mach. Learn., vol. 9, no. 4, pp. 309–347, 1992. [18] I. Ebert-Uphoff, “A Probability-Based Approach to Soft Discretization for Bayesian Networks,” 2009. [19] Y. Wang and J. Vassileva, “Bayesian Network-Based Trust Model,” University of Saskatchewan, Computer Science Department,Saskatoon, Saskatchewan, S7N 5A9, Canada, 2003. | ||
|
آمار تعداد مشاهده مقاله: 788 تعداد دریافت فایل اصل مقاله: 546 |
||