یک الگوریتم محاسبه اعتبار گره محور بر روی شبکه های اجتماعی آنلاین

قیمت: 43,000 تومان

دانلود رایگان مقاله

خرید ترجمه مقاله

عنوان فارسی

یک الگوریتم محاسبه اعتبار گره محور بر روی شبکه های اجتماعی آنلاین

عنوان لاتین

A Node-Centric Reputation Computation Algorithm on Online Social Networks

در شبکه های اجتماعی آنلاین، اعتبار کاربران (گره ها) پدید آمده و از طریق تعامل میان کاربران انتشار می یابد. این تعاملات شامل توافق های (رای گیری) درونی و بیرونی در میان کاربران همسایه تحت تاثیر توپولوژی شبکه می باشد. ما الگوریتمی معرفی می کنیم که درجه اطلاعات گره ها (کاربران) را برای مدلسازی نحوه پخش اعتبار در شبکه در نظر میگیرد. در الگوریتم ما، هر گره اعتبارهمسایگان خود را با در نظر گرفتن سابقه تعاملات و فرکانس آنها در زمان اخیر به روز رسانی میکند. این الگوریتم همچنین پدیده دقت اعتبارات رو به زوال در طول زمان را ثبت میکند اگر اخیرا تعاملاتی رخ ندهد. ما دو نتیجه بدست آمده از آزمایشات را ارائه خواهیم نمود: (1) نشان می دهیم که ارزش اعتبار یک عامل توسط موقعیت گره در شبکه و توپولوژی همسایگی تحت تاثیر قرار دارد و (2) همچنین نشان می دهیم که این الگوریتم می تواند محاسبه اعتبار دقیق تری نسبت به الگوریتم های موجود انجام دهد به ویژه هنگامی که اطلاعات توپولوژیک حائز اهمیت باشد. آزمایشات بر روی شبکه های اجتماعی تصادفی و سیستم های مستقل از شبکه اینترنت انجام شده است. علاوه بر این، اثرات هر جزء الگوریتم و اثرات آنها بر الگوریتم نشان داده میشوند.

In online social networks, reputations of users (nodes) are emerged and propagated through interactions among the users. These interactions include intrinsic and extrinsic consensus (voting) among neighboring users influenced by the network topology. We introduce an algorithm that considers the degree information of nodes (users) to model how reputations spread within the network. In our algorithm, each node updates reputations about its neighbors by considering the history of interactions and the frequency of the interactions in recent history. The algorithm also captures the phenomena of accuracy of reputations deteriorating over time if interactions have not occurred recently.We present the following two contributions through experiments: (1) We show that an agent’s reputation value is influenced by the position of the node in the network and the neighboring topology; and (2) We also show that our algorithm can compute more accurate reputations than existing algorithms especially when the topological information matters. The experiments are conducted in random social networks and Autonomous Systems Network of the Internet. In addition, we show the efficacies of each component in our algorithm and present their effects on the algorithm