علوم رایانشی

علوم رایانشی

پالایشگر همخوان همدستانه: یک پیشنهاد-دهنده سرویس شخصی‌سازی‌شده در محیط اینترنت اشیاء اجتماعی با استفاده از روابط دوستی

نوع مقاله : مقاله پژوهشی

نویسندگان
محمد مهدیان 1
سیدمجتبی متین خواه 2
1 دانشکده مهندسی کامپیوتر، دانشگاه یزد، یزد. ایران
2 استادیاردانشکدۀ مهندسی کامپیوتر، دانشگاه یزد، یزد، ایران
10.22034/csj.2024.203195
چکیده
شبکة اینترنت اشیاء اجتماعی تعاملات اجتماعی و فناوری‌های اینترنت اشیاء را برای ایجاد محیط‌های هوشمند یکپارچه می‌کند، در این شبکه بین کاربران روابط دوستی برقرار است و اشیاء تحت مالکیت کاربرانِ مختلف هستند و کاربران سعی دارند با استفاده از اشیاء متعلق به کاربران دیگر از سرویس‌هایی که توسط اشیاء کاربران مختلف ارائه می‌شود بهره‌برداری کنند. حال وقتی اندازة شبکه اینترنت اشیاء بزرگ باشد و تعداد کاربران و اشیاء زیاد باشند نقش و اهمیت پیشنهاد سرویس مناسب شخصی‌سازی‌شده متناسب با علایق کاربر بیشتر مشخص می‌شود که می‌توان با استفاده از روابط دوستی کاربران با هم و شباهت علایق آن‌ها، ترجیحات کاربران را تشخیص داد و یک پیشنهاددهنده سرویس با بهره‌گیری از روابط دوستی برای پیشنهاد سرویس متناسب با نیازها و ترجیحات خاص کاربران ایجاد کرد. به این منظور در این مقاله، دو الگوریتم پالایشگر همخوان همدستانه[1] (A-CFA) پیشنهاد می‌شود که با در نظر گرفتن روابط دوستی و ترجیحات کاربران به رتبه‌بندی سرویس‌ها می‌پردازد و سپس به پیشنهاد سرویس‌های‌ برتر متناسب با ترجیحات کاربر در محیط‌های اینترنت اشیاء اجتماعی می‌پردازد. در نهایت، با اجرای الگوریتم‌های پالایشگر همخوان همدستانه بر روی مجموعه داده واقعی مربوط به شهر سانتاندر، نشان داده می‌شود که الگوریتم‌های پیشنهادی باوجود پیچیدگی زمانی یکسان با الگوریتم پالایشگر همخوان پایه، مقدار میانگین مربعات ریشة خطای الگوریتم 1 و 2 را به ترتیب 9 و 15 درصد بهبود می‌دهد و مقدار امتیاز F1 الگوریتم 1 و 2 را به ترتیب 10 و 19 درصد بهبود می‌دهد.
 
1. Adaptive-Collaborative Filtering Algorithm
کلیدواژه‌ها
اینترنت اشیاء
اینترنت اشیاء اجتماعی
پالایشگر همخوان همدستانه
پیشنهاد سرویس
روابط دوستی
موضوعات
  • [1] Anis, N. Sahar, and S. Waheed, "Internet of Things (IoT) in Assessing Physician Wellness," Journal of the College of Physicians and Surgeons--Pakistan: JCPSP, vol. 32, no. 11, p. 1516, 2022.
  • [2] Nitti, L. Atzori, and I.P. Cvijikj, "Friendship selection in the social internet of things: challenges and possible strategies," IEEE Int. Things J., vol. 2, pp. 240–247, 2014.
  • [3] S. Sefati and S. Halunga, "Service Recommendation for a Group of Users on the Internet of Things Using the Most Popular Service," in 2023 12th International Conference on Modern Circuits and Systems Technologies (MOCAST), June 2023, pp. 1-4.
  • [4] K. Terry, "Social networks," in The Routledge handbook of second language acquisition and sociolinguistics, Routledge, 2022, pp. 113-125.
  • [5] Wu, Y. Ge, Q. Liu, E. Chen, R. Hong, J. Du, and M. Wang, "Modeling the evolution of users’ preferences and social links in social networking services," IEEE Transactions on Knowledge and Data Engineering, vol. 29, no. 6, pp. 1240-1253, 2017.
  • [6] Liu, Y. Ma, and X. Chen, "Evolutionary game model based on cumulative prospect theory for information management mechanism in SIoT," Heliyon, vol. 9, no. 6, 2023.
  • [7] Marche, L. Atzori, and M. Nitti, "A dataset for performance analysis of the social Internet of Things," in Proc. IEEE 29th Annu. Int. Symp. Pers., Indoor Mobile Radio Commun. (PIMRC), Sep. 2018, pp. 1–5.
  • [8] Amin, A. Majeed, A. Mateen, R. Abbasi, and S. O. Hwang, "A Systematic Survey on the Recent Advancements in the Social Internet of Things," IEEE Access, vol. 10, pp. 63867-63884, 2022.
  • [9] Nitti, V. Pilloni, and D. D. Giusto, "Searching the social Internet of Things by exploiting object similarity," in Proc. IEEE 3rd World Forum Internet Things (WF-IoT) , Reston, VA, USA, Dec. 2016, pp. 371–376.
  • [10] Zhang, D. Zhang, Y. Wu, and H. Zhong, "Service Recommendation Model based on Trust and QoS for Social Internet of Things," IEEE Transactions on Services Computing, 2023.
  • [11] M. Rad, A. M. Rahmani, A. Sahafi, and N. N. Qader, "Community detection and service discovery on Social Internet of Things," International Journal of Communication Systems, doi: 10.1002/dac.5501, 2023.
  • [12] Farhadi, A. M. Rahmani, P. Asghari, and M. Hosseinzadeh, "Friendship selection and management in social internet of things: A systematic review," Computer Networks, doi: 10.1016/J.COMNET.2021.108568, 2021.
  • [13] Amin, S. O. Hwang, "Automated Service Search Model for the Social Internet of Things," doi: 10.32604/cmc.2022.028342, 2022.
  • [14] Mohammadi, A. M. Rahmani, M. Darwesh, and A. Sahafi, "Trust-based Friend Selection Algorithm for navigability in social Internet of Things," Knowledge Based Systems, 2021.
  • [15] Rajendran and R. Jebakumar, "Object Recommendation based Friendship Selection (ORFS) for navigating smarter social objects in SIoT," Microprocessors and Microsystems, 2021.
  • [16] Khanfor, H. Ghazzai, Y. Yang, M. R. Haider, and Y. Massoud, "Automated Service Discovery for Social Internet-of-Things Systems," 2020.
  • [17] Rehman, P. Anand, U. A. Rehman, F. Amin, M. A. Rao, and N. Rahmatov, "An Efficient Friendship Selection Mechanism for an Individual’s Small World in Social Internet of Things," 2020.
  • [18] komar, "A Heuristic Model for Friend Selection in Social Internet of Things," 2022.
  • [19] Zhang, J. Geng, J. Ma, H. Liu, S. Niu, and W. Mao, "A hybrid service selection optimization algorithm in internet of things," Eurasip Journal on Wireless Communications and Networking, 2021.
  • [20] Zhang and M. Wang, "A survey on accuracy-oriented neural recommendation: From collaborative filtering to information-rich recommendation," IEEE Transactions on Knowledge and Data Engineering, vol. 35, no. 5, pp. 4425-4445, 2022.
  • [21] Khojamli and J. Razmara, "Survey of similarity functions on neighborhood-based collaborative filtering," Expert Systems with Applications, vol. 185, p. 115482, 2021.
  • [22] R. Lee and K. Kim, "An improved similarity measure for collaborative filtering-based recommendation system," International Journal of Knowledge-based and Intelligent Engineering Systems, vol. 26, no. 2, pp. 137-147, 2022.
  • [23] Bian, "EXTENDING COLLABORATIVE FILTERING FOR MACHINE LEARNING MODEL RECOMMENDATION," Master's thesis, Case Western Reserve University, 2024.
  • [24] Jain, T. Mahara, and K. N. Tripathi, "A survey of similarity measures for collaborative filtering-based recommender system," in Soft Computing: Theories and Applications: Proceedings of SoCTA 2018, Springer Singapore, 2020, pp. 343-352.S. Xu, Y. Ge, Y. Li, Z. Fu, X. Chen, and Y. Zhang, "Causal collaborative filtering," in Proceedings of the 2023 ACM SIGIR International Conference on Theory of Information Retrieval, 2023, pp. 235-245.
  • [25] Miao, X. Bai, Y. Cao, Y. Liu, F. Dai, F. Wang, et al., "A novel short-term traffic prediction model based on SVD and ARIMA with blockchain in industrial internet of Things," IEEE Internet of Things Journal, 2023.
  • [26] Zhang and Y. Liu, "Design of human resource recommendation algorithm based on demand-aware collaborative Bayesian variational network," in 2023 IEEE 6th International Conference on Information Systems and Computer Aided Education (ICISCAE), September 2023, pp. 737-740.
  • [27] Zhao, H. Wang, and H. Zhang, "A regression-based collaborative filtering recommendation approach to time-stepping multi-solver co-simulation," IEEE Access, vol. 7, pp. 22790-22806, 2019.
  • [28] Wu, C. Liu, W. Cui, and Y. Zhang, "Personalized Collaborative Filtering Recommendation Algorithm based on Linear Regression," in 2019 IEEE International Conference on Power Data Science (ICPDS), November 2019, pp. 139-142.
  • [29] Marche, L. Atzori, V. Pilloni, and M. Nitti, "How to exploit the social Internet of Things: Query generation model and device profiles’ dataset," Computer Networks, vol. 174, p. 107248, 2020.
  • [30] Khelloufi, H. Ning, A. Naouri, A. B. Sada, A. Qammar, A. Khalil, ..., and S. Dhelim, "A Multimodal Latent-Features-Based Service Recommendation System for the Social Internet of Things," IEEE Transactions on Computational Social Systems, 2024.
  • [31] Rajendran and R. Jebakumar, "Cognitive Based Device Recommendation (CDR) model for social internet of things," in 2020 IEEE 4th Conference on Information & Communication Technology (CICT), Dec. 2020, pp. 1-6.