فایل ورد کامل ساخت گراف های قابل اعتماد برای ارزیابی اعتماد در شبکه های اجتماعی آنلاین

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

این مقاله، ترجمه شده یک مقاله مرجع و معتبر انگلیسی می باشد که به صورت بسیار عالی توسط متخصصین این رشته ترجمه شده است و به صورت فایل ورد (microsoft word) ارائه می گردد

متن داخلی مقاله بسیار عالی، پر محتوا و قابل درک می باشد و شما از استفاده ی آن بسیار لذت خواهید برد. ما عالی بودن این مقاله را تضمین می کنیم

فایل ورد این مقاله بسیار خوب تایپ شده و قابل کپی و ویرایش می باشد و تنظیمات آن نیز به صورت عالی انجام شده است؛ به همراه فایل ورد این مقاله یک فایل پاور پوینت نیز به شما ارئه خواهد شد که دارای یک قالب بسیار زیبا و تنظیمات نمایشی متعدد می باشد

توجه : در صورت مشاهده بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل می باشد و در فایل اصلی فایل ورد کامل ساخت گراف های قابل اعتماد برای ارزیابی اعتماد در شبکه های اجتماعی آنلاین،به هیچ وجه بهم ریختگی وجود ندارد

تعداد صفحات این فایل: ۳۶ صفحه

۸ نتیجه گیری و کار آتی
در این مقاله، چارچوب SWTrust را برای کشف مسیرهای قابل اعتماد کوتاه بر اساس زنجیره های آشنایی قابل اعتماد پیشنهاد کردیم و گراف های قابل اعتمادی را برای شبکه های اجتماعی آنلاین تولید کردیم. الگوریتم های ارزیابی اعتماد قبلی می توانند کاراتر و عملی تر شوند، در صورتیکه از SWTrust برای تولید گراف های قابل اعتماد استفاده کنند. روی تولید گراف های قابل اعتماد و بررسی اطلاعات پایدار و عینی به منظور انتخاب همسایه های توانا در هر گام جستجوی اول تاکید داشتیم. آزمایش ها با مجموعه داده ای از شبکه اجتماعی آنلاین واقعی، تاثیربخشی تحقیق ما را تصدیق می کنند. بررسی اطلاعات پایدار و عینی (مانند دامنه) برای انواع مختلف شبکه های اجتماعی آنلاین و همچنین طراحی مدل یکپارچه و جامع جدید برای پیش بینی اعتماد بعنوان کار آتی پیشنهاد می شوند.

عنوان انگلیسی:Generating trusted graphs for trust evaluation in online social networks~~en~~

۸ Conclusion and future work

In this paper, we propose the SWTrust framework to discover short trusted paths based on trusted acquaintance chains, and we generate trusted graphs for online social networks. Previous trust evaluation algorithms can become more efficient and practical if they apply SWTrust to generate trusted graphs. We focus on generating trusted graphs and explore stable and objective information in order to select capable neighbors in each step of the breadth-first search. Experiments with a data set from a real online social network validate the effectiveness of our work. Exploring stable and objective information (such as domain) for different kinds of online social networks, as well as designing a new integrated and comprehensive model for predicting trust, are our main future work.

$$en!!