شرح مختصر پروپوزال
این پروپوزال با موضوع “ارائه یک سیستم پیشنهاد دهنده دوست در شبکه های اجتماعی با استفاده از تلفیق تکنیکهای پیش بینی و معیارهای شباهت ترکیبی” می باشد. فایل Word, Pdf پس از خرید محصول، قابل دانلود است. همچنین تعداد صفحات این پروپوزال 11 صفحه با رعایت قالب استاندارد دانشگاه می باشد. کلیه نکات نگارشی مطابق با استاندارهای پژوهشی انجام شده است.
امکانات اصلی این پروپوزال پس از خرید عبارتند از:
امکان دانلود فایل Word پروپوزال
امکان دانلود فایل Pdf پروپوزال
توجه : در صورت نیاز به پایان نامه، پروپوزال یا شبیه سازی مشابه با این محصول و همچنین اصلاحات پس از خرید کافی است با تیم پشتیبانی “ماکان تزیز” از طریق پیامک یا واتساپ ارتباط برقرار نمایید.
شرح کلی پروپوزال ارائه یک سیستم پیشنهاد دهنده دوست در شبکه های اجتماعی
شبکه های اجتماعی سرویس های برخطی هستند که تعاملات و روابط زندگی واقعی را شبیه سازی می کنند. همچنین اجازه می دهد تا کاربران در شبکه های اجتماعی با کاربران دیگر ارتباط برقرار کنند. آنها را به لیست دوستان خود اضافه کنند. تحقیقات نشان میدهد که کاربران با دوستانی که در زندگی واقعی خود میشناسند. همچنین دوستان جدیدی که در شبکه های اجتماعی برخط پیدا میکنند، در ارتباط هستند. برخی از کاربران علاقه مند به پیدا کردن افراد جدید جهت به اشتراک گذاشتن علایق و سلایق مشابه، شخصیت ها و یا حتی تحقیق و حیطه کاری میباشند.
به این ترتیب، تعداد شبکه های اجتماعی برخط و اعضای آنها به سرعت در حال افزایش است. این روند پیدا کردن دوستان جدید در شبکه های اجتماعی را بسیار چالش برانگیز میکند و نیاز به یک سیستم پیشنهاد دهنده دوست را ملزم میکند. که برای کاربران لیستی از دوستان پیشنهادی را فراهم کند. سیستم پیشنهاد دهنده معمولا بیش از ده سال گذشته برای ارائه پیشنهاد محصولات و خدمات به کاربران، بر اساس منافع خود، ترجیحات و رفتار برخط مورد استفاده قرار میگرفت.
پیشنهادها براساس داده های ضمنی و یا صریح و روشن به دست آمده از کاربر انجام میشود. داده های ضمنی با ثبت رفتار کاربر در حالی که با سیستم تعامل دارد جمع آوری می شود. این داده ها شامل ترجیحات و امتیاز میباشد.
ادامه شرح:
محققان در سالهای اخیر تکنیکها و مدلهای متنوعی را جهت ارائه پیشنهادات به کاربران در رسانه های اجتماعی توسعه داده اند. از این رو، لازم است تا افراد و کاربرانی را که در شبکه های اجتماعی فعالیت دارند. را به سایر کاربران با ویژگی و رفتار های مشترک ارائه دهیم. لذا خوشه بندی و روش پیش بینی که از روش های داده کاوی هستند میتوانند به منظور بهبود فرآیند تطبیق و ارائه پیشنهادات در شبکه های اجتماعی مورد استفاده قرار گیرند.
پیش بینی لینک یک عملیات مهم در آنالیز شبکه است. که در بسیاری از زمینه ها مورد توجه پژوهشگران مختلفی قرار گرفته است. شبکه های زیادی در دنیای واقعی مثل شبکه های اجتماعی دارای ساختار ناهمگن بوده است. همچنین از انواع مختلفی از لینک ها استفاده می کنند.
سیستم فعلی مثل شبکه اجتماعی فیس بوک برای پیشنهاد دادن دوستان جدید، عامل میزان قابل توجهی از فرآیند های ایجاد لینک می باشد و در واقع جایگاه و ارزش کاربران این شبکه اجتماعی را ارتقاء می بخشد. با ارائه پیش بینی های بهتر قادر خواهیم بود تا از این ویژگی (پیشنهاد دوستان) استفاده بیشتری نموده و آن را برای اعضای شبکه اجتماعی مورد نظر ، کارآمد تر و مفید تر نماییم.
ادامه شرح:
بنابر این در این تحقیق محقق سعی بر این دارد که سیستم پیشنهاددهنده ایی را ارائه کند که یک الگوریتم خوشه بند بر اساس ویژگی های کاربران ابتدا آنها را خوشه بندی کند. در ادامه خوشه ها به عنوان خروجی یک دسته بند مانند شبکه عصبی یا درخت تصمیم قرار داده شود.
مزیت رویکرد جاری در آن است که با ورود کاربر جدید دیگر نیازی به تغییر پیکر بندی خوشه های اولیه نبوده و الگوریتم دسته بند خوشه مورد نظر را مشخص می نماید. در داخل خوشه ها جهت افزایش دقت از تکنیک Link Prediction استفاده می گردد.
برای انجام این مهم یک معیار تشابه مبتنی بر وزن دهی بین کاربر جدیدالورود و سایر کاربران موجود در خوشه انتخابی مطرح می شود. بر اساس پیکربندی گراف موجود در هر خوشه توصیه های لازم به کاربران داده خواهد شد. لذا در پژوهش فعلی، محقق با بهره گیری از خوشه بندی و تلفیق تکنیک های پیش بینی لینک سعی دارد سیستم پیشنهاد دهنده دوستیابی را ارائه دهد. که با دقت قابل ملاحظه ای نسبت به سایر روشها افراد را پیشنهاد نماید.
اهداف تحقیق:
- بازنگری رفتار کاربران و شناسایی ویژگی های حائز اهمیت در شبکه های اجتماعی جهت ایجاد نمایه
- شناسایی کاربران مرتبط با یکدیگر با بهره گیری از تکنیک خوشه بندی به منظور ایجاد گروه های مرتبط
- ایجاد یک سیستم توصیه گر در زمینه دوست یابی بر اساس نمایه ی ایجاد شده برای کاربران
نقد و بررسیها
هیچ دیدگاهی برای این محصول نوشته نشده است.