دانلود ترجمه مقاله سیستم توصیه چندعاملی در اینترنت اشیا

1. مقدمه 2. سیستم پیشنهاد اشیا 3. نتایج آزمایشی 4. نتیجه گیری

چکیده – هدف اینترنت اشیا (IoT) عبور از شکاف بین جهان فیزیکی و سایبری به منظور درک عمیق تر رفتارها و دیدگاه های کاربران می باشد. تعاملات و روابط بین کاربران و اشیا نیازمند رویکردهای پیشنهادی مؤثر و کارآمد برای پاسخ بهتر به منافع کاربران می باشد. پیشنهاد اشیای مفید در محیط IoT وظیفه مهمی برای بسیاری از کاربردها مانند محاسبات شهری، شهرهای هوشمند، مراقبت از سلامتی و غیره می باشد و باید عمیقاً مورد بررسی قرار گیرد. هدف سیستم های پیشنهاد ایجاد مجموعه ای پیشنهادات مفید برای کاربرانی با مشخصه های مفروض می باشد. در این مقاله، یک الگوریتم چند معیاره با بهره برداری از استراتژی خود سازمان دهی و غیر متمرکز برای ایجاد سیستم پیشنهاد توزیع شده در محیط IoT ارائه شده است. اشیا از طریق بردارهای بیتی و تشریح کننده های بیتی حاصل از تابع نگهداری محلی هش ارائه شده اند که اشیای مشابه را روی بردارهای بیتی مشابه نگاشت می کنند. عامل های سایبری، تشریح کننده های اشیا را مدیریت کرده و آنها را بر پایه توابع احتمالی ad-hoc تبادل می کنند. خروجی این موضوع ظهور یک شبکه سازمان یافته از عامل های سایبری است که امکان حصول سیستم توصیه گر اشیای مؤثر را فراهم می کند. نتایج مقدماتی، اعتبار این روش را تأیید می کنند.

The Internet of Things (IoT) aims to bridge the gap between the physical and the cyber world to allow a deeper understanding of user preferences and behaviors. The interactions and relations between users and things need of an effective and efficient recommendation approaches to better meet users interests. Suggesting useful things in IoT environment is a very important task for many applications such as urban computing, smart cities, health care, etc., and it needs to be widely investigated. The goal of recommendation systems is to produce a set of significant suggestions for a user with given characteristics. In this paper, a multi-agent algorithm that, by exploiting of a decentralized and self organizing strategy, builds a distributed recommendation system in IoT environment, is proposed. Things are represented through bit vectors, the thing descriptors, obtained through a locality preserving hash function that maps similar things into similar bit vectors. Cyber agents manage the thing descriptors and exchange them on the basis of ad-hoc probability functions. The outcome is the emergence of an organized overlay-network of cyber agents that allows to obtain an efficient things recommender system. Preliminaries results confirm the validity of the approach.