چکیده: لینک های مفهومی یکی از رهیافت های جدید برای توصیف شبکه های اجتماعی است که دانش نهفته در شبکه های اجتماعی را از طریق یک ساختار خلاصه شده با عنوان دیدگاه مفهومی ارائه می نماید. مهمترین چالش در بدست آوردن دیدگاه مفهومی از یک شبکه اجتماعی استخراج لینک های مفهومی پرتکرار است که این امر برای شبکه های با مقیاس بزرگ بسیار زمانبر است. در این نوشتار، روش جدیدی برای استخراج لینک های مفهومی پرتکرار از شبکه های اجتماعی ارائه شده است که با بکارگیری مفهوم وابستگی ها، سعی در تسریع فرآیند استخراج لینک های مفهومی دارد. روش پیشنهادی قادر خواهد بود در صورت وجود وابستگی ها در بین داده ها، این فرآیند را تسریع بخشد. پرونده مقاله

حجم بالای داده ها در وب، پیدا کردن اطلاعات مناسب را با مشکل روبرو ساخته است. زمانی که کاربران با انتخاب های زیادی از داده ها و خدمات مواجه هستند، سیستم های توصیه کننده (Recommendation systems) به عنوان یک ابزار ارزشمند به کمک آن ها می‌آید. به دلیل اینکه بر این باور هستیم که پیشنهادهای کارشناسانی افراد متخصص نسبت به افراد غیر متخصص، مرتبط تر با موضوع می‌باشد، از نظر صائب آنها در زمینه های متفاوت برای ارتقا کیفیت پیشنهادها سیستم توصیه گر استفاده می‌شود. در این تحقیق، یک روش برای جستجوی کاربران راهنما (خبره در زمینه ای خاص) با استفاده از اطلاعات تخصصی وابسته به متن در داخل شبکه ی توصیه گر Epinions.com ارائه شده است و در روش پیشنهادی برای پیدا کردن کاربر خبره از سیستم فازی استفاده شده است. همچنین به چگونگی استفاده از این روش در تکنولوژی ارتقا یادگیری محتوا توجه می‌شود. نتایج نشان دادند که جستجوی مبتنی بر محتوا می‌تواند با از دست دادن تعداد محدودی از گره های (کاربران) خبره به کاهش قابل توجه تعداد گره ها (کاربران) برای جستجو کمک کند پرونده مقاله

با انتشار حجم عظیمی از خبرها بر روی اینترنت و تمایل بیشتر کاربران به سرویس‌های خبری تحت وب، نیاز به یک سیستم پیشنهاد دهنده خبر ضروری می‌باشد. خبرها برای آنکه قابل توجه باشند سرویس‌های خبری از تعدادی معیار به نام ارزش‌ خبر استفاده می‌کنند و مکان کاربر نقش موثری در بررسی این معیارها دارد. در این مقاله LONEF یک سیستم پیشنهاد دهنده خبر با ساختار دو مرحله ارائه شده است. در مرحله اول با توجه به مکان کاربران، خبرها اولویت‌دهی می‌شوند و مرحله دوم با در نظر گرفتن خصوصیاتی همچون اولویت مکانی، تازگی ، اعتبار منبع خبر ، اولویت گروهی و محبوبیت، خبرها پیشنهاد داده می‌شوند. برای کاهش ابهامات این خصوصیات از دو سیستم در منطق فازی شامل استنتاج فازی ممدانی و تصمیم گیری مبتنی بر مورد استفاده شده است. در سیستم استنتاج فازی ممدانی سعی شده است با بهینه سازی در انتخاب قوانین و توابع عضویت سرعت سیستم بهبود داده ‌شود و همچنین به علت پیاده‌سازی‌ مبهم بازخوردهای کاربران در پیشنهاد دهنده‌های موجود یک سیستم تصمیم گیری بکار رفته شده است تا بتوان رفتار کاربران را بهتر بازنمایی کرد. میزان کارایی دیدگاه ارائه شده در این پژوهش از طریق نتایج آزمایش‌های مختلف بر روی مجموعه خبری نمایش داده شده است. پرونده مقاله