مقاله کنفرانسی سال ۱۴۰۴ فارسی

پیش بینی اعتماد و عدم اعتماد با ترکیب شبکه عصبی کانولوشن و سیستم فازی در شبکه های اجتماعی علامت دار

چکیده مقاله

مبتنی بر پیش بینی پیوند در شبکه های اجتماعی علامت دار برای کشف روابط بالقوه در آینده بین کاربران بسیار مهم می باشد این شبکه ها شامل کاربرانی هستند که از طریق روابط اعتماد و عدم اعتماد به هم متصل شده اند و به طور قابل توجهی بر سبک زندگی، تصمیم گیری و رفتار افراد تاثیر می گذارند با وجود تحقیقات گسترده در زمینه پیش بینی پیوند، روش های موجود اغلب در پرداختن موثر به چالش های مبهم در اعتماد، عدم اعتماد و کمبود داده ها به ویژه هنگام گنجاندن ویژگی های توصیفی کاربران شکست می خورند این مطالعه یک مدل محاسباتی فازی به نام LPTD CNN را پیشنهاد می کند که به طور منحصر به فرد ویژگی های توصیفی کاربران را با انتخاب ویژگی شبکه عصبی کانولوشن برای پیش بینی اعتماد و عدم اعتماد ترکیب می کند تا پیوندهای از دست رفته را کشف کند چارچوب پیشنهادی هم بسیار کارآمد است و هم به چالش های ابهام و پراکندگی داده ها در شبکه های اجتماعی علامت دار می پردازد این مدل با اولویت بندی کاربران با تاثیر بالا و ارزیابی تاثیر مستقیم و غیر مستقیم آنها بر رتبه بندی ها کارایی پیش بینی را افزایش می دهد یک شبکه عصبی کانولوشن برای استخراج ویژگی های معنادار از ویژگی های توصیفی کاربران مربوط به اعتماد و عدم اعتماد به کار گرفته می شود آزمایش های جامعی بر روی مجموعه داده های Epinions و Slashdot انجام شد تا عملکرد مدل از نظر دقت، صحت، F measure، خطای مطلق میانگین و ریشه میانگین مربعات خطا ارزیابی شود در روش پیشنهادی دقت پیش بینی اعتماد برای Epinions برابر با ۰ ۹۳۸ و برای Slashdot برابر با ۰ ۹۶۷ است در حالی که دقت پیش بینی عدم اعتماد برای Epinions برابر با ۰ ۹۳۳ و برای Slashdot برابر با ۰ ۹۷۷ است این نتایج نشان می دهد که روش LPTD CNN از رویکردهای موجود بهتر عمل می کند و پیش بینی های قوی و قابل اعتمادی ارائه می دهد و در عین حال به طور موثر مشکل پراکندگی در شبکه های اجتماعی علامت دار را کاهش می دهد

کلیدواژه‌ها

نویسندگان

تصویر فاطمه حسین خانی

فاطمه حسین خانی

گروه مهندسی کامپیوتر دانشکده فنی و مهندسی واحد تهران مرکز دانشگاه آزاد اسلامی، تهران، ایران

تصویر علی هارون آبادی

علی هارون آبادی

گروه مهندسی کامپیوتر دانشکده فنی و مهندسی واحد تهران مرکز دانشگاه آزاد اسلامی، تهران، ایران

تصویر سعید ستایشی

سعید ستایشی

گروه مهندسی پرتوپزشکی دانشکده مهندسی انرژی و فیزیک دانشگاه صنعتی امیرکبیر، تهران، ایران

شیوه ارجاع

�سین خانی، فاطمه و هارون آبادی، علی و ستایشی، سعید،1404،پیش بینی اعتماد و عدم اعتماد با ترکیب شبکه عصبی کانولوشن و سیستم فازی در شبکه های اجتماعی علامت دار،کنفرانس هوش مصنوعی در اقتصادهای نوظهور و کسب وکارهای دیجیتال،یزد

ارائه‌شده در

پوستر مجموعه مقالات کنفرانس هوش مصنوعی در اقتصادهای نوظهور و کسب وکارهای دیجیتال مجموعه مقالات کنفرانس هوش مصنوعی در اقتصادهای نوظهور و کسب وکارهای دیجیتال21 آبان 1404 · یزد
ادامه مسیر پژوهش

مقالات مرتبط

مقاله کنفرانسی سال ۱۴۰۴ ۲,۹۰۷ مشاهده

پیش بینی جرم با هوش مصنوعی و تعارض با حریم خصوصی

هوش مصنوعی در دهه های اخیر به ابزاری کارآمد برای تحلیل داده های کلان و پیش بینی رفتارهای انسانی تبدیل شد…

پیش بینی جرمهوش مصنوعیعدالت کیفری
مقاله کنفرانسی سال ۱۴۰۴ ۲,۷۱۵ مشاهده

یک چارچوب استدلال معنایی سلسله مراتبی برای تشخیص اشیاء در طراحی های انتزاعی

تشخیص اشیاء در تصاویر واقع گرایانه پیشرفت چشمگیری داشته است اما در تصاویر غیر واقع گرایانه مانند اسکچ ها…

اسکچ هااستدلال معناییتشخیص اشیاء
مقاله کنفرانسی سال ۱۴۰۴ ۱,۶۶۷ مشاهده

مسئولیت مدنی ناشی از نقض حریم خصوصی توسط سامانه های هوش مصنوعی در فضای مجازی

تحولات سریع فناوری های نوین به ویژه در عرصه هوش مصنوعی موجب دگرگونی عمیق در شیوه جمع آوری، پردازش و تحلی…

هوش مصنوعیداده های شخصیفضای مجازی
مقاله کنفرانسی سال ۱۴۰۴ ۴۸۸ مشاهده

نقش حقوق اداری در نظارت و تنظیم مقررات هوش مصنوعی در خدمات عمومی و دولتی

در عصر حاضر، پیشرفتهای فناوری به ویژه ظهور هوش مصنوعی چالشها و فرصتهای بی سابقه ای را برای حوزه حقوق ادا…

هوش مصنوعیحقوق اداریتنظیم مقررات
مقاله کنفرانسی سال ۱۴۰۴ ۳۶۴ مشاهده

کاربست هوش مصنوعی در نظارت بر نهادهای عالی ناظر بازاندیشی حقوقی در حکمرانی هوشمند و امنیت نهادی جمهوری اسلامی ایران

نهادهای عالی ناظر در جمهوری اسلامی ایران نقشی محوری در حراست از قانون اساسی، صیانت از حقوق عمومی و تحقق…

هوش مصنوعیامنیت نهادیحکمرانی هوشمند
مقاله کنفرانسی سال ۱۴۰۴ ۳۲۳ مشاهده

هوش مصنوعی به عنوان ادله در دادرسی کیفری

ما در عصری به سر می بریم که به طور چشمگیری تحت تاثیر هوش مصنوعی قرار گرفته است عرصه علم حقوق بی تاثیر از…

هوش مصنوعیعدالتکیفری