بخشی از مقاله
چکیده
شبکههای اجتماعی سرویسهای برخطی هستند که تعاملات و روابط زندگی واقعی را شبیهسازی میکنند. همگام با برقراری ارتباط میان افراد نیاز است تا اعتماد بین کاربران نیز به وجود بیاید و اعتماد در اینگونه شبکهها به یکی از دغدغههای اصلی مردم تبدیلشده است و همه کاربران علاقه دارند تا حریم شخصی آنها توسط دیگران نقض نشود. مطالعات بسیار و مختلفی نشان دادهاند که استفاده از مقولهی اعتماد در شبکهی اجتماعی میتواند پیشنهادات را بهبود بخشد . در این مقاله سعی داریم تا شکافها و محدودیتهایی بین حوزه رسمی اعتماد و کاربرد آن در شبکههای اجتماعی را مرتفع سازیم. در این مقاله روشی بر مبنای دستهبندی فازی برای ارزیابی اعتماد ارائه میگردد.
بدین منظور، این تحقیق دو عامل علاقهمندی مرتبط با پدیدههای اجتماعی را که در شبکههای اجتماعی رخ میدهد را ترکیب میکنند که این دو عامل اصل هموفیلی و درجه جدایی میباشد که به ترتیب بیانگر چگونگی تمایل افراد مشابه به همکاری و پیوند با یکدیگر و احتمال آشنا بودن دو فرد تصادفی به هم میباشد. همچنین در این تحقیق از بیانهای زبانشناختی منطق فازی مانند - پیوندهای - “قوی/ضعیف” برای ارزیابی اطلاعات برای رسیدن به تصمیم در مورد اعتماد بکار میرود . درنهایت تصمیم در مورد معیار پیشنهادی اعتماد و کاربرد آن برای بهبود توصیهها، به همراه مطالعهی ارزیابی بر اساس دادههای شبکه اجتماعی Facebook ارائه گردیده است که نتایج بیانگر کارایی مناسب روش پیشنهادی میباشد.
واژگان کلیدی: شبکههای اجتماعی، ارزیابی اعتماد، منطق فازی، دستهبندی فازی، حفظ حریم خصوصی
مقدمه
شبکههای اجتماعی سرویسهای برخطی هستند که تعاملات و روابط زندگی واقعی را شبیهسازی میکنند. همچنین اجازه میدهد تا کاربران در شبکههای اجتماعی با کاربران دیگر ارتباط برقرار کنند و آنها را به لیست دوستان خود اضافه کنند. هدف اصلی از تأسیس اینگونه شبکهها کمک به برقراری ارتباط میان افراد مختلف از جوامع گوناگون است - Said et al, .2012 - همگام با برقراری ارتباط میان افراد نیاز است تا اعتماد بین کاربران نیز به وجود بیاید و اعتماد در اینگونه شبکهها به یکی از دغدغههای اصلی مردم تبدیلشده است و همه کاربران علاقه دارند تا حریم شخصی آنها توسط دیگران نقض نشود. اعتماد مفهومی در توصیه گرهای شبکههای اجتماعی است که محققان و پیشبینی کنندگان توجه زیادی به آن دارند.
مجموعههای فازی از تعمیم نظریهی کلاسیک مجموعهها حاصل میشوند. یک مجموعه فازی مجموعهای است که اعضای آن درجه عضویت دارند. مجموعه فازی توسط دکتر لطفی زاده در سال 1965 بهصورت الحاقی به تئوری کلاسیک مجموعهها اضافه شد. در تئوری کلاسیک مجموعهها، عضویت اعضا در یک مجموعه بهصورت جملات باینری بر اساس شرط دودویی تعیین میشود که یک عضو یا به مجموعه تعلق دارد یا ندارد . - Ozok et al, 2010 - در مقابل در تئوری فازی دستیابی نسبی عضویتاعضا در مجموعه مجاز است. اساساً استنتاج فازی فرایندی فرمول شده از یک مجموعه داده ورودی به یک مجموعه داده خروجی است.
مدلها بر اساس منطق فازی شامل قوانین اگر و آنگاه تفسیر میگردند. در منطق فازی درجه عضویت بیانگر میزان عضویت یک عنصر به یک مجموعه فازی است . - Seminario and Wilson, 2012 - اگر درجه عضویت یک عنصر از مجموعه برابر با صفر باشد، آن عضو کاملاً از مجموعه خارج است و اگر درجه عضویت یک عضو برابر با یک باشد، آن عضو املاًک در مجموعه قرار دارد. حال اگر درجه عضویت یک عضو مابین صفر و یک باشد، این عدد بیانگر درجه عضویت تدریجی میباشد.با توجه به بحث طیفی بودن اعتماد کاربران به سایر کاربران در شبکه اجتماعی، لذا منطق فازی راهحلی مناسب برای دستهبندی عقاید مشتریان است.در سالهای اخیر مطالعات زیادی در فرآیند ارزیابی اعتماد شبکههای اجتماعی صورت گرفته است. بیشتر روشهای موجود دادهها را تنها در دودسته "اعتماد" و "عدم اعتماد" دستهبندی میکنند.
حالآنکه در دنیای واقعی امروزی بسیاری از توصیفات زبانی، معانی مختلفی داشته و دارای درجات متفاوتی میباشند . آن چنانکه واژههایی چون "عالی "، "بسیار خوب "، "خوب " و "بد نیست" همه بیانگر درجات مختلفی از اعتماد یک کاربر نسبت به یک شبکه اجتماعی میباشند - Sinha and Swearingen, 2012 - ؛ اما چیزی که این بین مشخص است درجات مختلف اعتماد بوده که در این جملات با درجات متفاوتی بیانشده است. بسیاری از الگوریتمهای موجود برای فرایند اعتماد کاوی، این درجات را نادیده گرفته و از منطق باینری دوحالتی پشتیبانی میکنند؛ بنابراین نیاز بهروشها و الگوریتمهایی که درجات مختلف اعتماد را شناسایی نمایند بهخوبی احساس میگردد. برای رسیدن به این هدف در این مقاله، یک روش ارزیابی اعتماد در شبکههای اجتماعی، بر پایه منطق فازی ارائه میگردد. در این تحقیق از یک شبکه اجتماعی Facebook که در بسیاری دیگر از مطالعات موجود در این زمینه بکار رفته است، استفاده میگردد.
مروری بر کارهای پیشین
در - Said et al, 2012 - رویکرد ترویج اعتماد در شبکههای اعتماد مبنی بر تخصص و شباهت موردبررسی قرارگرفته است که ترکیب انواع مختلف شبکههای اعتماد با پیشنهاد روشی برای تنظیم و تجمع دو نوع دانش اعتماد مبتنی بر تخصص و شباهت را ارائه داده و این روش همزمان مقادیر اعتماد از طریق زنجیره طولانی کاربران معتمد بدون کاهش صحت و دقت را رواج میدهد. از مزایای این روش بهخوبی در شبکههای احتمالی پراکنده عمل میکند و دقت و پوشش مناسبی ارائه میدهد. از نقاط ضعف این روش ازآنجاییکه این قضاوت اعتماد که توسط هر کاربر ارائه میشود، به نظر بسیار ذهنی است و ممکن است قابلاتکا نباشد.
در - Smyth and McClave , 2011 - مقالهای تحت عنوان استنتاج اعتماد بین کاربران در شبکههای اجتماعی با استفاده از منطق فازی ارائه شد که روش استنتاج اعتماد بین کاربران در سیستم بازیابی اطلاعات شبکههای اجتماعی مبتنی بر وب با استفاده از منطق فازی را برای بازیابی اطلاعات قابلاعتماد و کسب اعتماد کاربر ارائه میدهد. درجات مختلف اعتماد را بهخوبی و بهصورت نسبی بیان میدارد. ابهام و عدم قطعیت در ورودیهای مسئله میتواند تأثیری بر خروجی روش منطق فازی بگذارد و از دقت آن بکاهد.در - Takani and Sugeno, 1985 - مقالهای تحت عنوان الگوریتم تکاملی چندمنظوره بر اساس شباهت برای تشخیص روابط در شبکههای اجتماعی مبتنی بر امضا ارائه شد که یک الگوریتم تکاملی چندهدفه، به نام MEAsSN، برای غلبه بر نواقص نمایش مستقیم و غیرمستقیم ارتباطات در جوامع بیان گردیده است که از ترکیب دو نمایش مستقیم و غیرمستقیم روابط اجتماعی بهخوبی بهره میبرد.
این روش بهخوبی میتواند شبکههای اجتماعی در مقیاس بزرگ را اداره کند و قادر خواهد بود تا روابط موجود در جوامعی که باهم همپوشانی دارند را بهطور مستقیم تشخیص دهد؛ اما در موقعیتهای مختلف که دادهها دارای نویز میباشند، نمیتواند بهخوبی کارایی خود را حفظ نماید و در این شرایط کارایی افت محسوسی پیدا میکند.در - Ziegler et al, 2012 - یک طرح ارزیابی اعتماد برای لینکهای پیچیده در شبکههای اجتماعی مبتنی بر قدرت لینک ارائه شد این روش با در نظر گرفتن شاخص قدرت لینک، یک طرح ارزیابی اعتماد برای لینکهای پیچیده شامل دو جنبه قابلیت اطمینان و قدرت ارتباط مابین کاربران استفاده میکند.
طرح پیشنهادشدهکاملاً عملی بوده و در بهبود عملکرد ارزیابی اعتماد در یک شبکهاجتماعی کاملاً مؤثر است؛ اما با توجه به اهمیت بیشتر این روش به قدرت ارتباط بین کاربران، قابلیت اطمینان کمر مورد اهمیت قرار میگیرد.در - Guha et al, 2012 - مقالهای تحت عنوان پیشبینی اعتماد میان کاربری در گراف اعتماد با استفاده از شبکه عصبی ارائه شد. چارچوبی کلی برای پیشبینی اعتماد میان کاربری در گراف اعتماد ارائه میشود. در این چارچوب، ابتدا فاکتورهای مؤثر بر اعتماد در وب اجتماعی شناساییشده و با بهرهگیری از متدهای موجود در تئوری گرافها و آنالیز شبکههای اجتماعی کمی سازی میشوند. سپس پیشبینی اعتماد میان کاربران با نگاشت صورتمسئله به مسئله پیشبینی پیوند در شبکه و بهرهگیری از مدل شبکهی عصبی محقق میگردد.
در این روش شبکه عصبی میتواند رفتار کاربران و تعاملات آنها در شبکههای اجتماعی پارامترهای آنها را نمایش دهد؛ اما عملکرد آن کاملاً وابسته به تابع هسته شبکه عصبی است و ممکن است با تغییر تابع کیفیت کاهش پیدا کند.در - Mohamadi-Baghmolaei et al, 2012 - مقالهای با عنوان شناسایی انتشاردهندههای تأثیرگذار اطلاعات در شبکههای اجتماعی ارائه شد در این مقاله یکروش ترکیبی برای توصیه کاربران پیشنهاد میکند که بر اساس رابطه اعتماد و شباهت موضوع بین کاربران اقدام مینماید و هدف آن گسترش دایره دوستان و افزایش میزان رضایت کاربر از شبکه اجتماعی میباشد. روش ارائهشده دارای اثربخشی، کارایی و مقیاسپذیری مناسبی میباشد؛ ولی تعین یک معیار مناسب شباهت بهطورکلی امری بسیار پیچیده میباشد و کارایی روش پیشنهادی به این امر وابسته هست.
روش پیشنهادی
فیلترینگ مشارکتی برای توصیه دوستی
با توسعه سیستمهای اطلاعاتی، داده به یکی از منابع پراهمیت سازمانها مبدل گشته است. بنابراین روشها و تکنیکهایی برای دستیابی کارا به داده، اشتراک داده، استخراج اطلاعات از داده و استفاده از این اطلاعات، موردنیاز میباشد. با ایجاد و گسترش وب و افزایش چشمگیر حجم اطلاعات، نیاز به این روشها و تکنیکها بیشازپیش احساس میشود. سیستم توصیه گر بهعنوان یک سیستم ابتکاری که اطلاعات مفید را پیشنهاد میدهد و میتواند در دامنههای گوناگون بکار رود، در نظر گرفته میشود . - Adomavicius and Zhang, 2014 - سیستم توصیه گر یا سامانهی پیشنهاد گر با تحلیل رفتار کاربر خود، اقدام به پیشنهاد مناسبترین اقلام - داده، اطلاعات، کالا و ... - به وی مینماید. اینگونه سیستمها درواقع جهت حل مشکلات ناشی از حجم فراوان و رو به رشد اطلاعات ارائهشده است و به کاربر خود کمک میکند تا در میان حجم عظیم اطلاعات، سریعتر به
