مهدی حسین زاده اقدم

با افزایش کاربردهای سیستم های توصیه گر تعداد کاربران بدخواه که امتیازات بایاس شده به سیستم وارد میکنند افزایش پیدا کرده است. پژوهش های اخیر نشان داده است سیستم های توصیه گر آگاه از اعتماد در مقابل حملات شیلینگ مقاوم هستند و توانایی تولید توصیه برای کاربرهای جدید را دارند این سیستمها از اطلاعات اعتماد در فرایند توصیه کردن استفاده میکنند و روابط اعتماد بین کاربران را به عنوان شباهت بین آنها در نظر میگیرند و میتوانند با مشکل خلوت بودن داده ها با استفاده از انتقال پذیری اعتماد مقابله کنند. دقت پیش بینی این سیستم ها به دلیل انتشار اعتماد بر روی کل شبکه اعتماد اغلب بیشتر از روش های پالایش مشارکتی است. شبکه های اعتماد توانایی افزایش کارایی سیستم های توصیه گر از طریق مقادیر اعتماد کاربران در مورد اقلام را دارند. با این حال، چالش محاسباتی شبکه های اعتماد عموما تعیین مقادیر نامعلوم اعتمادها است. در این مقاله سعی شده است یک روش جدید بر مبنای مدارهای مقاومتی برای غلبه بر این مشکل ارایه شود. روش پیشنهادی هر کاربر را به عنوان یک مقاومت در شبکه اعتماد در نظر گرفته است. با این ایده مقادیر اعتماد با به