مهدی حسین زاده اقدم - استادیار، دانشگاه بناب

با افزایش کاربردهای سیستم های توصیه گر تعداد کاربران بدخواه که امتیازات بایاس شده به سیستم وارد میکنند افزایش پیدا کرده است. پژوهش های اخیر نشان داده است سیستم های توصیه گر آگاه از اعتماد در مقابل حملات شیلینگ مقاوم هستند و توانایی تولید توصیه برای کاربرهای جدید را دارند این سیستمها از اطلاعات اعتماد در فرایند توصیه کردن استفاده میکنند و روابط اعتماد بین کاربران را به عنوان شباهت بین آنها در نظر میگیرند و میتوانند با مشکل خلوت بودن داده ها با استفاده از انتقال پذیری اعتماد مقابله کنند. دقت پیش بینی این سیستم ها به دلیل انتشار اعتماد بر روی کل شبکه اعتماد اغلب بیشتر از روش های پالایش مشارکتی است. شبکه های اعتماد توانایی افزایش کارایی سیستم های توصیه گر از طریق مقادیر اعتماد کاربران در مورد اقلام را دارند. با این حال، چالش محاسباتی شبکه های اعتماد عموما تعیین مقادیر نامعلوم اعتمادها است. در این مقاله سعی شده است یک روش جدید بر مبنای مدارهای مقاومتی برای غلبه بر این مشکل ارایه شود. روش پیشنهادی هر کاربر را به عنوان یک مقاومت در شبکه اعتماد در نظر گرفته است. با این ایده مقادیر اعتماد با به کارگیری فرمول های استفاده شده در مدارهای سری و موازی قابل محاسبه است. مقدار اعتماد بین دو کاربر با معکوس مقاومت بین دو نقطه در مدار برابر است. به عبارت دیگر، اعتماد محاسبه شده بین دو کاربر وابسته به تعداد کاربران (مقاومت ها) بین آنها است و درنهایت مقادیر امتیازات توسط ترکیب اطلاعات به دست آمده از شبکه های اعتماد و پالایش مشارکتی پیش بینی می شود

سیستمهای توصیه گر، پالایش مشارکتی، سیستم های توصیه گر آگاه از اعتماد، شبکه های اعتماد