روشی نوین برای خوشه بندی شبکه اعتماد در تجارت الکترونیک
سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 576
فایل این مقاله در 11 صفحه با فرمت PDF و WORD قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
CITCOMP01_259
تاریخ نمایه سازی: 16 شهریور 1395
چکیده مقاله:
اعتماد در تجارت الکترونیک یکی از مهمترین مسائل در کاربردهای آنلاین شده است. به صورت مداوم، یک کاربر تنها برای معتبرترین کالاها و ارائه دهندگان خدمات جستجو خواهد کرد و سپس بر انجام آنها توجه می کند. چگونه می توان دریافت که ارائه دهندگانی که قابل اعتمادترین خدمات را به کاربرین عرضه می داشتند، دارای بحرانی ترین مشکلات شده اند. در این مقاله، دسته بندی اعتماد جامعه و اعتماد شبکه برای تجزیه و تحلیل کاربران دارای قابل اعتمادترین رابطه ارائه شده است. این مقاله سعی می کند تا موضوعات متفاوت مرتبط با اعتماد را نشان داده و از لینک های اتصال استفاده کند تا روابط موجود را به خوبی معنی کند.. این مقاله نخست، نموداری از شبکه اعتماد را بوجود می آورد که در آن لینک ها دارای یک وزن می باشند که سنگینی لینک ها طول روابط را نشان می دهد و سپس به تجزیه و تحلیل خاصیت و روابط ما بین دسته ها برطبق وزن و طول مسیر می پردازد. در گذشته، صورت طبقه بندی بدین گونه بود که موضوعات با اعتماد بیشتر در دسته های مشابه برای کاربر طبقه بندی می شد. درجه اطلاعات مورد اعتماد مستقیم و درجه اطلاعات مورد اعتماد جهانی استفاده شده است تا روابط اعتماد میان موضوعات را ارزیابی کند و الگوریتم اصلاح شده کوتاه ترین مسیر را به منظور ساخت شبکه اعتماد ارائه می دهد. یک الگوریتم خوشه بندی براساس ضریب و طول مسیر، برای ارتباطات شبکه اعتماد تجارت الکترونیک ارائه شده است. آزمایشات نشان می دهد که روش ایجاد اعتماد از طریق مدل شبکه می تواند به خوبی اعتماد اصلی تجارت الکترونیک غیرمستقیم را توصیف کند و الگوریتم دارای مزایای آشکاری در دقت و هزینه زمانی دارد.
کلیدواژه ها:
نویسندگان
حانیه جامحمودی
گروه کامپیوتر، واحد علوم و تحقیقات خراسان رضوی( نیشابور)، دانشگاه آزاد اسلامی، نیشابور، ایران
حسن شاکری
گروه مهندسی فناوری اطلاعات، واحد مشهد، دانشگاه آزاد اسلامی، مشهد، ایران
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :