استنتاج اعتماد با كشف جوامع و راهبرد ضرب مكرر مبتني بر اعتماد توصيه اي در شبكه هاي اجتماعي

در شبكه هاي اجتماعي، اعتماد نقش مهمي را ايفا مي كند. در يك شبكه ي اجتماعي، حتي اگر دو كاربر به طور مستقيم با يكديگر ارتباط نداشته باشند، در صورتي كه حداقل يك مسير بين آنها وجود داشته باشد، هنوز هم مي توانند به يكديگر اعتماد نمايند. اين موضوع به مسئله ي انتشار اعتماد بر اساس خاصيت تعدي اعتماد منجر مي شود كه براي ايجاد يك مدل استنتاج اعتماد به منظور يافتن مسيرهاي اعتماد مطمئن از كاربر مبدأ به يك كاربر مقصد ناشناس داراي اهميت مي باشد. يكي از رويكردهايي كه اخيراً در زمينه ي جستجوي مسير استنتاج اعتماد معرفي شده است، تركيب كشف جوامع و بهينه‏سازي كلوني مورچگان است كه به اختصار ACO-TIPSناميده مي شود. هدف ما از اين مقاله، بهبود اين رويكرد از نظر ميزان دقت تخمين اعتماد است. براي اين منظور، روش تجزيه ي مقدار منفرد را مورد استفاده قرار مي دهيم تا ماتريس روابط اعتماد با مقادير پيوسته را جهت يافتن جوامع قابل اعتماد پردازش كنيم. سپس براي محاسبه ي اعتماد انتشاري بين كاربران خوشه بندي شده درون يك جامعه ي قابل اعتماد از روش ضرب مكرر مبتني بر اعتماد توصيه اي استفاده مي نماييم. نتايج آزمايشات بر اساس دو معيار ارزيابي همبستگي و ميانگين قدر مطلق خطا نشان مي دهد كه راهكار پيشنهادي نسبت به ACO-TIPSدقت استنتاج اعتماد بهتري دارد.