فرهادی سوادکوهی, مهسا, دی پیر, محمود. (1402). ارائه روشی برای تشخیص اعتماد در شبکه های اجتماعی با توجه به ویژگی های فردی و شخصی به کمک روش سیستم استنتاج عصبی-فازی سازگار. هنرهای کاربردی, 21(75), 115-127. doi: 10.22075/jme.2023.27764.2310
مهسا فرهادی سوادکوهی; محمود دی پیر. "ارائه روشی برای تشخیص اعتماد در شبکه های اجتماعی با توجه به ویژگی های فردی و شخصی به کمک روش سیستم استنتاج عصبی-فازی سازگار". هنرهای کاربردی, 21, 75, 1402, 115-127. doi: 10.22075/jme.2023.27764.2310
فرهادی سوادکوهی, مهسا, دی پیر, محمود. (1402). 'ارائه روشی برای تشخیص اعتماد در شبکه های اجتماعی با توجه به ویژگی های فردی و شخصی به کمک روش سیستم استنتاج عصبی-فازی سازگار', هنرهای کاربردی, 21(75), pp. 115-127. doi: 10.22075/jme.2023.27764.2310
فرهادی سوادکوهی, مهسا, دی پیر, محمود. ارائه روشی برای تشخیص اعتماد در شبکه های اجتماعی با توجه به ویژگی های فردی و شخصی به کمک روش سیستم استنتاج عصبی-فازی سازگار. هنرهای کاربردی, 1402; 21(75): 115-127. doi: 10.22075/jme.2023.27764.2310

ارائه روشی برای تشخیص اعتماد در شبکه های اجتماعی با توجه به ویژگی های فردی و شخصی به کمک روش سیستم استنتاج عصبی-فازی سازگار

مدل سازی در مهندسی
دوره 21، شماره 75، زمستان 1402، صفحه 115-127    اصل مقاله (1.1 M)
نوع مقاله: مقاله کامپیوتر
شناسه دیجیتال (DOI): 10.22075/jme.2023.27764.2310
نویسندگان
مهسا فرهادی سوادکوهی1؛ محمود دی پیر* 2
1دانشکده فنی و مهندسی، دانشگاه آزاد اسلامی واحد تهران جنوب
2گروه مهندسی کامپیوتر
چکیده
در این مقاله به ارائه روشی برای تشخیص اعتماد در شبکه‌های اجتماعی با توجه به ویژگی‌های فردی و شخصی به کمک روش سیستم استنتاج عصبی-فازی سازگار پرداختیم. پژوهش حاضر نیاز به دیتاست داشته که برای این منظور یک پرسشنامه آنلاین طراحی و 1000 رکورد با متغیرهای سن، جنسیت، شغل، ساعات فعالیت در فضای مجازی، نوع استفاده از فضای مجازی و نوع روابط در فضای مجازی جمع‌آوری کردیم. این دیتاست به‌عنوان داده‌ای مرجع برای تحلیل‌های مشابه قابل‌استفاده است و به لحاظ تأمین امنیت داده از سطح بالایی برخوردار است. ابتدا به ارزیابی و تحلیل توصیفی دیتاست پرداخته‌ایم. برای این منظور از نرم‌افزارهای اکسل و اس‌پی‌اس‌اس استفاده نمودیم، با استفاده از شبیه‌سازی در متلب به مدل‌سازی و تحلیل پرداخته‌ایم. برای معرفی حدود تغییرات و رفتار فازی برای متغیرها، پارامترهای دیتاست با استفاده از توابع عضویت بیزین به الگوریتم معرفی شده‌اند. به دلیل عدم مشخص بودن نوع توابع عضویت، پوشش فضای تحت کنترل بیشتر، حجم محاسباتی کمتر، کاهش زمان تحلیل و افزایش دقت، از روش خوشه‌بندی کاهشی استفاده کرده‌ایم و به آموزش شبکه با استفاده از شبکه عصبی پس‌خور پرداخته‌ایم. آموزش شبکه را با داده‌های آموزش تا رسیدن به همگرایی کامل ادامه داده‌ایم. در ادامه، داده‌های تست و چک را وارد نموده‌ایم و با استفاده از تابع عملکرد مربع خطا به این نتیجه رسیده‌ایم که با روش به‌کار رفته شده در این پژوهش می‌توان با خطای زیر 5/1 درصد، اعتماد افراد را به یکدیگر در فضای مجازی پیش‌بینی نمود.
کلیدواژه‌ها
شبکه های اجتماعی؛ اعتماد؛ سیستم فازی؛ معکوس سازی اعتماد
مراجع
آمار
تعداد مشاهده مقاله: 1,555
تعداد دریافت فایل اصل مقاله: 530
دانشگاه سمنان
پیوندهای مفید
آمار
تعداد نشریات22
تعداد شماره‌ها722
تعداد مقالات10,383
تعداد مشاهده مقاله72,840,482
تعداد دریافت فایل اصل مقاله64,537,257