توصیه سرویس مبتنی بر شبکه اجتماعی با افزایش اعتماد
چکیده
با وجود افزایش برنامه های کاربردی رایانش سرویس و رایانش ابری، تعداد زیادی از سرویس های وب در اینترنت به کار می روند که پژوهش در توصیه سرویس وب را راه اندازی می کنند. برخلاف سرویس های QoS، استفاده کاربر از بازخورد در حال تبدیل شدن به یک روند در توصیه سرویس میشود. همانند سیستم های توصیه کننده سنتی، پراکندگی، شروع سرد و امانت داری موضوعات اصلی و چالش برانگیز توصیه سرویس در به کار بردن رهیافتهای مبتنی بر شباهت است. در ضمن، با فراخوانی شبکه های اجتماعی، امروزه مردم در تعامل با رایانه ها و کاربران مختلف فعال می شوند که منتج به یک حجم عظیمی از داده های در دسترس نظیر اطلاعات سرویس، امتیازدهی کاربر –سرویس، لوگ های برهم کنش و روابط کاربران می شود. بنابراین استفاده از رابطه اعتماد در شبکه های اجتماعی با بازخورد کاربر برای توصیه سرویس انگیزه این کار است. در مطالعه حاضر، ما یک شبکه اجتماعی مبتنی بر روش توصیه سرویس با افزایش اعتماد را پیشنهاد می دهیم که RelevantTrustWalker نام دارد. در ابتدا، یک روش فاکتورگیری ماتریس برای ارزیابی درجه اعتماد بین کاربران در شبکه اجتماعی به کار می رود. سپس، یک الگوریتم گام تصادفی تعمیم یافته برای دستیابی به نتایج توصیه پیشنهاد می دهیم. برای ارزیابی دقت الگوریتم، آزمایش هایی در مجموعه داده دنیای واقعی ترتیب داده می شوند و نتایج تجربی نشان می دهند که کیفیت توصیه و سرعت روش در مقایسه با الگوریتم های موجود بهتر است.
مقدمه
رایانش خدمات، که معماری رایانش انعطاف پذیری را برای پشتیبانی صنعت خدمات مدرن فراهم می کند به عنوان یک عرصه پژوهش نویدبخش ظهور یافته است (Deng, Huang, Li, & Yin, 2014a). با رواج رایانش ابری سرویسهای مدرن بیشتر و بیشتری در زیرساختهای ابری به کار می روند، که عملکردهای ارزشمندی را فراهم می کنند. تعداد سرویس ها و کاربران سرویس ها به صورت محسوسی در حال افزایش است Deng, Huang, Tan, & Wu, 2014b; Deng,Wu, & Wu, 2013a). یک انفجار عظیم در تولید داده توسط این سرویسها با رواج شبکه های اجتماعی به وقوع پیوسته است که شامل دستگاه های همراه و سیستم های سرویس گرای بزرگ مقیاس است (Deng, Huang, Wu, & Xiong, 2013b). اکثر داده های تولید شده در سرویس، امکان یافتن سرویس های مناسب از میان تعداد زیادی از سرویس های داوطلب که قادر به پوشش نیاز تابعی و غیر تابعی هستند را مشکل می کند. در بسیاری از موارد، کاربران دقیقا نمی دانند که چه چیزی را درباره وجود سرویس بالقوه در اینترنت میخواهند یا میدانند. در نتیجه، توصیه سرویس یک نقش فزاینده مهم در کمک به کاربران برای رهایی از مخمصه انتخاب بین سرویس ها و همچنین توصیه خودکار در مورد سرویس های مناسب به کاربران دارد (Deng, Huang,Wu, & Wu, 2014). با توسعه Web 2.0 در سالهای اخیر، اینترنت از یک بستر ایستا در اشاعه و اشتراک اطلاعات به یک بستر با برهم کنش اجتماعی با مشارکتها و ارتباطات تبدیل شده است. بسیاری از شبکه های اجتماعی برخط معروف از قبیل Myspace، Facebook و Twitter ناگهان پدیدار شده اند. محیط پویا و باز سرویس وب، کاملا شبیه محیط شبکه اجتماعی است: (1) مصرف کنندگان سرویس می توانند تعیین کنند که چه اشیائی برهم کنش داشته باشند، (2) اطلاعات برهم کنش می توانند به اشتراک گذاشته شوند، (3) جمع آوری و تحلیل رکوردهای تاریخدار برهم کنش جهت تصمیم گیری درباره برهم کنش امکان پذیر است. (4) کاربران می توانند اطلاعات را به واسطه نمایندگی و توصیهف به اشتراک بگذارند و (5) شرکت کنندگان سرویس برای فراهم کردن اطلاعات توصیه به دیگران تعهد دارند. بنا براین، این امکان وجود دارد که دستاوردهای پژوهشی در جامعه شناسی در پژوهش سرویس وب به کار برده شوند.
abstract
Given the increasing applications of service computing and cloud computing, a large number of Web services are deployed on the Internet, triggering the research of Web service recommendation. Despite of service QoS, the use of user feedback is becoming the current trend in service recommendation. Likewise in traditional recommender systems, sparsity, cold-start and trustworthiness are major issues challenging service recommendation in adopting similarity-based approaches. Meanwhile, with the prevalence of social networks, nowadays people become active in interacting with various computers and users, resulting in a huge volume of data available, such as service information, user-service ratings, interaction logs, and user relationships. Therefore, how to incorporate the trust relationship in social networks with user feedback for service recommendation motivates this work. In this paper, we propose a social networkbased service recommendation method with trust enhancement known as RelevantTrustWalker. First, a matrix factorization method is utilized to assess the degree of trust between users in social network. Next, an extended random walk algorithm is proposed to obtain recommendation results. To evaluate the accuracy of the algorithm, experiments on a real-world dataset are conducted and experimental results indicate that the quality of the recommendation and the speed of the method are improved compared with existing algorithms.
Introduction
Service computing, which provides flexible computing architectures to support the modern service industry, has emerged as a promising research area. (Deng, Huang, Li, & Yin, 2014a) With the prevalence of cloud computing, more and more modern services are being deployed in cloud infrastructures, providing rich functionalities. The numbers of services and service users are increasing dramatically (Deng, Huang, Tan, & Wu, 2014b; Deng, Wu, & Wu, 2013a). There has been an enormous explosion in data generation by these services, with a prevalence of user social networks, mobile devices, and large-scale service-oriented systems (Deng, Huang, Wu, & Xiong, 2013b). The overwhelming amount of service-generated data makes it more difficult for users to find appropriate services from a large number of candidate services to meet their functional and non-functional requirements. In most cases, users do not clearly know what they need or know about the existence of potential services on the Internet. As a result, service recommendation plays an increasingly more important role in helping users out of the service overload predicament and automatically recommending proper services for users (Deng, Huang, Wu, & Wu, 2014). With the development of Web 2.0 in recent years, the Internet has transformed from a static platform for propagating and sharing information to a social interaction platform with greater participation and communication. Many famous online social networks, such as Myspace, Facebook, and Twitter, have sprung up. The dynamic and open Web service environment is quite similar to the social network environment: (1) service consumers can determine which objects to interact with by themselves, (2) the interaction information can be shared, (3) it is possible to collect and analyze the historic interaction records to make a decision about the interaction, (4) users can share information through trust delegation and recommendation, and (5) service participants have an obligation to provide recommendation information to others. Therefore, it becomes possible to adopt the research achievements in sociology in Web service research.
چکیده
مقدمه
مسأله پراکندگی
مسأله شروع سرد
مسأله امانت داری
کار مرتبط
تعریف مسأله و موارد مقدماتی
رهیافت توصیه اعتماد-افزوده
رابطه اعتماد
الگوریتم توصیه
امتیازدهی
ارزیابی و تحلیل
چیدمان آزمایش
سنجه های ارزیابی
نتایج تجربی
نتیجه گیری
abstract
Introduction
Sparsity problem
Cold-start problem
Trustworthiness problem
Related work
Problem definition and preliminary
Trust-enhanced recommendation approach
Trust relevancy
Recommendation algorithm
Ratings prediction
Evaluation and analysis
Experiment setup
Evaluation metrics
Experimental results
Conclusions
- ترجمه فارسی مقاله با فرمت ورد (word) با قابلیت ویرایش، بدون آرم سایت ای ترجمه
- ترجمه فارسی مقاله با فرمت pdf، بدون آرم سایت ای ترجمه