کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
5011422 1462594 2017 9 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Information mining in weighted complex networks with nonlinear rating projection
ترجمه فارسی عنوان
معدن اطلاعات در شبکه های پیچیده وزن با طرح بندی غیر خطی
کلمات کلیدی
سیستم تجارت الکترونیک، شبکه های پیچیده تعامل اجتماعی، طرح ریزی،
ترجمه چکیده
شبکه های رتبه بندی وزن معمولا توسط ارائه دهندگان تجارت الکترونیک در حال حاضر استفاده می شود. به منظور ایجاد یک رتبه بندی عینی از کیفیت اقلام آنلاین با توجه به رتبه بندی کاربران، بسیاری از الگوریتم های پیچیده در دامنه پیچیده شبکه پیشنهاد شده است. در این مقاله، به جای پیشنهاد الگوریتم های جدید، ما بر یک مشکل اساسی تر تمرکز می کنیم: طرح ریزی امتیاز غیر خطی. ایده اصلی این است که حتی اگر مقادیر امتیاز داده شده توسط کاربران به صورت خطی جدا شوند، اولویت واقعی کاربران به اقلام بین مقادیر مختلف داده شده غیر خطی است. به این ترتیب، ما یک رویکرد برای طراحی رتبه بندی اصلی کاربران را به ارزش های نمایشی بیشتری طراحی می کنیم. این رویکرد می تواند به عنوان یک روش پیش پردازش داده مورد توجه قرار گیرد. شبیه سازی در هر دو شبکه مصنوعی و واقعی نشان می دهد که عملکرد الگوریتم های رتبه بندی می تواند در بهبود رتبه بندی پیش بینی شده مورد استفاده قرار گیرد.
موضوعات مرتبط
مهندسی و علوم پایه سایر رشته های مهندسی مهندسی مکانیک
چکیده انگلیسی
Weighted rating networks are commonly used by e-commerce providers nowadays. In order to generate an objective ranking of online items' quality according to users' ratings, many sophisticated algorithms have been proposed in the complex networks domain. In this paper, instead of proposing new algorithms we focus on a more fundamental problem: the nonlinear rating projection. The basic idea is that even though the rating values given by users are linearly separated, the real preference of users to items between the different given values is nonlinear. We thus design an approach to project the original ratings of users to more representative values. This approach can be regarded as a data pretreatment method. Simulation in both artificial and real networks shows that the performance of the ranking algorithms can be improved when the projected ratings are used.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Communications in Nonlinear Science and Numerical Simulation - Volume 51, October 2017, Pages 115-123
نویسندگان
, , , , ,