|
|
یک سیستم توصیه گر در اینترنت اشیا با استفاده از ماشین بردار پشتیبان و مدل تصمیم گیری چند معیاره تاپسیس
|
|
|
|
|
نویسنده
|
حسنی محمد مهدی ,سرمدی عشرت
|
منبع
|
پدافند الكترونيكي و سايبري - 1402 - دوره : 11 - شماره : 4 - صفحه:61 -73
|
چکیده
|
اینترنت اشیاء، یک معماری نوظهور اطلاعاتی مبتنی بر اینترنت است که تعامل بین اشیا و خدمات را در محیطی امن و قابل اطمینان توسعه میدهد. درواقع هدف این ساختار، کاهش فاصله بین اشیای دنیای فیزیکی و سیستمهای اطلاعاتی است. در بحث اینترنت اشیاء، انتظار میرود که اشیای هوشمند به عضو فعالی در کسبوکار و فرآیندهای اطلاعاتی و اجتماعی تبدیل شوند، بهطوریکه قادر باشند بین خودشان و محیط بیرونی از طریق تبادل داده و اطلاعات حس شده، تعامل داشته باشند. درواقع، اینترنت اشیاء، شبکهای از اشیاء است که در آن اشیاء مختلف میتواند به کمک کامپیوتر و از طریق ارتباطات اینترنتی با سایر تجهیزات ارتباط برقرار کنند. در محیط اینترنت اشیاء، هریک از این اشیا تحت کنترل تعدادی سرویسدهنده قرار دارند و بهعبارتیدیگر، این سرویسدهندهها هرکدام به تعدادی از اشیا سرویس ارائه میدهند. کاربران با توجه به نوع نیازشان هرکدام تعدادی از خدمات ارائهشده توسط این سرویسدهندهها را به کار میگیرند. در این میان مسئلهای که از اهمیت بالایی برخوردار است، توصیه سرویسدهندههایی است که استفاده از آنها برای کاربران مفیدتر و بهینهتر است. برای رسیدن به چنین هدفی از سیستمهای توصیهگر استفاده میشود. وظیفه اصلی سیستمهای توصیهگر، توصیه سرویسدهندههایی است که مطابق با نیازهای مختلف کاربران باشند. در این پژوهش یک سیستم توصیه گر جدید پیشنهاد شد که ویژگیهای کاربران و خدمات موجود در شبکه اینترنت اشیا را در نظر گرفته و بر اساس پارامترهای ارائه شده، اقدام به توصیه خدمات بهینه متناسب با نیاز کاربران میکند. نوآوری این پژوهش، استفاده از الگوریتم ماشین بردار پشتیبان و مدل تصمیمگیری چند معیاره تاپسیس به منظور ایجاد یک سیستم توصیهگر کارا و ارائه پیشنهادات به کاربران بر اساس ترجیحات آنها و افزایش رضایت کاربران است. نتایج تجربی نشان میدهد که سیستم توصیهگر ارائهشده میتواند یک سری توصیههای عینی تولید کند که بر اساس دقیق و متنوع بودن، تازگی و پوشش بالایی کارایی دارد.
|
کلیدواژه
|
شبکه اجتماعی برخط، عملیات اطلاعاتی، عملیات نفوذ، قدرت اطلاعات، قدرت ارتباطات، قدرت سایبری، نظریه گفتمان شناختی، قدرت شناختی سایبری
|
آدرس
|
دانشگاه آزاد اسلامی واحد آیتالله آملی, دانشکده فنی و مهندسی, ایران, دانشگاه آزاد اسلامی واحد آیت الله آملی, ایران
|
پست الکترونیکی
|
esrat.sarmadi@iaua.ac.ir
|
|
|
|
|
|
|
|
|
a recommender system using a support vector machine and the topsis model in the internet of things
|
|
|
Authors
|
hassani mohammadmehdi ,sarmadi eshrat
|
Abstract
|
the internet of things is an emerging information architecture based on the internet that develops interaction between things and services in a safe and reliable environment. in fact, the purpose of this structure is to reduce the distance between the things of the physical world and information systems. in the internet of things, it is expected that intelligent devices will become active members in business and informational and social processes, so that they are able to interact between themselves and the external environment through the exchange of data and sensed information. in fact, the internet of things is a network of devices in which various things can communicate with other equipment with the help of computers and through internet connections. recommendation technologies can help to more easily identify relevant artifacts and thus will become one of the key technologies in future iot solutions. the main task of recommender systems is to recommend service providers that meet the different needs of users. the paper porposes a support vector machine (svm) based algorithm and the topsis multi criteria decision making model in order to create an effective recommender system and provide suggestions to users based on their preferences and increase user satisfaction. the experimental results show that the proposed recommender system can produce a series of objective recommendations that are effective based on accuracy and variety, novelty and high coverage. finally, the results confirm the improvement in making recommendations .
|
Keywords
|
internet of things ,recommender system ,internet service ,support vector machine (svm) ,technique of order preference for similarity to ideal solution (topsis) ,multi-criteria ,decision model
|
|
|
|
|
|
|
|
|
|
|