نام پژوهشگر: باقر رحیم پور کامی

مدلسازی اعتبار منابع در وب
پایان نامه وزارت علوم، تحقیقات و فناوری - دانشگاه صنعتی امیرکبیر(پلی تکنیک تهران) - دانشکده مهندسی کامپیوتر 1387
  باقر رحیم پور کامی   محمدرضا مطش بروجردی

یکی از رویکردهای مهم امروزی برای وب، استفاده از آن به عنوان یک منبع عظیم اطلاعاتی و خدماتی می باشد تا هر فردی بر اساس نیاز خود منبعی را جستجو کند و از میان منابع بدست آمده یکی را انتخاب نماید. از مسائل حائز اهمیت در این رویکرد، وجود سازمان ها و افراد مختلف به عنوان ارائه دهندگان منابع می باشند که این امر سبب می شود تا ما در یک جستجو، منابع مختلف با درجه اعتبار مختلف برای یک موضوع داشته باشیم. برای این انتخاب نیاز به یک مکانیسم ارزیابی داریم که با استفاده از معیارهای مناسبی اعتبار یک منبع را ارزیابی نماید و بر اساس نتیجه ارزیابی، بتوان در مورد انتخاب منبع مناسب تصمیم گرفت. هدف ما در این مطالعه پاسخ به این سوال اساسی در زمینه جستجوی منابع می باشد که چگونه می توان میزان اعتبار منابع را اندازه گیری و مقایسه نمود؟ مکانیسم های متعددی برای ارزیابی اعتبار منابع ارائه شده اند که مهمترین مکانیسم هایی که ما در این مطالعه روی آنها تاکید داریم مدل مبتنی بر شهرت و مدل محتوایی می باشند. در مدل های مبتنی بر شهرت، یک نهاد برای انتخاب یک منبع از نتایج تعاملات(تجربه) گذشته خود استفاده می کند و بر اساس امتیازی که به منابع می دهد، منبعی که بیشترین امتیاز را داشته باشد به عنوان منبع معتبر انتخاب می کند. در مدل های محتوایی، منابع با استفاده از مولفه های آنها امتیاز دهی می شوند و بر اساس امتیازدهی انجام شده، منبع معتبر انتخاب می شود. در مدل های مبتنی بر شهرت برای ارائه یک نتیجه مطلوب نیاز به زمان می باشد تا برای انجام قضاوت، تعداد تعاملات کافی انجام گیرد. همچنین احتمال مواجه شدن با خرابکاران در این مدل ها (مدل های مبتنی بر شهرت و مدل های محتوایی) زاید می باشد. ما در این تحقیق به دنبال ارائه مکانیسمی برای مدل کردن اعتبار منابع بر اساس ترکیب این دو مدل ذکر شده می باشیم. از مکانیسم های مبتنی بر شهرت و محتوا به عنوان مولفه های سازنده در این مدل جدید استفاده می گردد. دو هدف اساسی از ارائه این مدل ترکیبی، افزایش ضریب اطمینان جهت انتخاب منبع و استفاده از هر دو مولفه برای کشف نهاد خرابکار می باشد. از این رو در این تحقیق سعی بر ارائه از یک مدل ترکیبی (hybrid model) می باشد که با همپوشانی نقاط ضعف، از نقاط قوت هر یک از مدلها استفاده نماید و ضریب اطمینان را در یک انتخاب افزایش دهد.