پرستو شاهسوندی - مهندس کامپیوتر گرایش فناوری اطلاعات
زهرا سینامهر - مهندس کامپیوتر گرایش نرم افزار

اینترنت اشیا IOT ظاهر زیر ساخت های فناوری اطلاعات و ارتباطات ICT شهرهای پایدار هوشمند را که به عنوان رشد توسعه شهری ظهورمی کنند، افزایش داده است. رشد بالقوه پایداری محیط در حال ایجاد چشم اندازهای بینشی ICT است که شامل تجزیه وتحلیل داده های بزرگ به عنوان یک نمونه اولیه محاسباتی می باشد. علاوه بر این، روند توسعه پایدار نقش مهمی درکاتالیز کردن اینترنت اشیا و برنامه های داده ای بزرگ دارد که رشد اقتصادی رابا کیفیت شهرهای هوشمند مرتبط می کند. برنامه های داده ای بزرگ با استفاده از اینترنت اشیا، یک تحلیل موضوعی مناسبی را در جهت هدایت استفاده از سیستم های توصیه گر انتخاب می کنند. از کاربران نیز برای انجام وظیفه ی مقاومت ناپذیر بررسی از طریق مقدار زیادی داده به منظور انتخاب اطلاعات یا موارد مناسب پشتیبانی می کند. سیستم های توصیه گر سنتی هنگام محاسبه پیش بینیف بدون در نظر گرفتن انتخاب ها، به همسایگان مشابه اعتماد می کنند و برای نادیده گرفتن رویدادهای اجتماعی بین کاربران اجتماعی که بسیار قابل اعتماد نیستند، خودمختار وغیر قابل تشخیص هستند. براساس این شهود در این چارچوب، معماری سیستم های توصیه کننده آگاه به اعتماد مبتنی بر جامعه CB-TARS ارائه شده است. انتخاب کاربران باادغام همسایگان معتمد در جامعه ی کاربر، هدف برای ادغام موارد مشابه بیان می شود. علاوه بر این، ارزش رتبه بندی های ادغام شده با توجه به تعداد امتیازات داخل جامعه و اعتماد با استفاده از درصد درگیری بین دیدگاه های منفی و مثبت اندازه گیری می شود. پیش بینی یک مورد بدون رتبه بندی با جمع آوری رتبه بندی کاربران مشابه در جامعه محاسبه می شود.نتایج تجربی در مجموعه داده های دنیای واقعی تایید می کندکه روش پیشنهادی از نظر دقت از سایر مکمل ها پیشی می گیرد.

اینترنت اشیا، داده های بزرگ، فناوری ارتباطات اطلاعاتی، سیستم های توصیه گر، شبکه های اجتماعی، اعتماد رتبه بندی ظهور می کنند، افزایش داده است. رشد بالقوه پایداری محیط در حال ایجاد چشم اندازهای بینشی ICT است که شامل تجزیه و تحلیل داده های بزرگ به عنوان یک نمونه اولیه محاسباتی می باشد. علاوه بر این، روند توسعه پایدار نقش مهمی در کاتالیز کردن اینترنت اشیا و برنامه ی دادهای بزرگ دارد که رشد اقتصادی را با کیفیت شهرهای هوشمند مرتبط می کند. برنامه های دادهای بزرگ با استفاده از اینترنت اشیا ، یک تحلیل موضوعی مناسبی را در جهت هدایت استفاده از سیستم های توصیه گر انتخاب می کنند. از کاربران نیز برای انجام وظیفه ی مقاومت ناپذیر بررسی از طریق مقدار زیادی داده به منظور انتخاب اطلاعات یا موارد مناسب پشتیبانی می کند. سیستم های توصیه گر سنتی هنگام محاسبه پیش بینی، بدون در نظر گرفتن انتخاب ها، به همسایگان مشابه اعتماد می کنند و برای نادیده گرفتن رویدادهای اجتماعی بین کاربران اجتماعی که بسیار قابل اعتماد نیستند ، خودمختار و غیرقابل تشخیص هستند. بر اساس این شهود در این چارچوب ، معماری سیستم های توصیه کننده آگاه به اعتماد مبتنی بر جامعه CB-TARS ارائه شده است. انتخاب کاربران با ادغام همسایگان معتمد در جامعه ی کاربر، هدف برای ادغام موارد مشابه بیان می شود. علاوه بر این، ارزش رتبه بندی های ادغام شده با توجه به تعداد امتیازات داخل جامعه و اعتماد با استفاده از درصد درگیری بین دیدگاه های منفی و مثبت اندازه گیری می شود. پیش بینی یک مورد بدون رتبه بندی با جمع آوریرتبه بندی کاربران مشابه در جامعه محاسبه می شود. نتایج تجربی در مجموعه داده های دنیای واقعی تایید می کند که روش پیشنهادی از نظر دقت از سایر مکمل ها پیشی می گیرد.