روش ها و چالش های پیش بینی پیوند در شبکه های پویا

شبکه های اجتماعی دارای ساختاری پیچیده، پراکنده و پویا است که همواره اعضا، ارتباطات و پیوندهای بین آنها رو به افزایش می باشد. به همین دلیل پیش بینی پیوندهای آینده در این حوزه بسیار دشوار می باشد. پیش بینی یکی از جنبه های جذاب داده کاوی است و یک روش مؤثر برای تجزیه و تحلیل شبکه اجتماعی محسوب می شود. پیش بینی پیوند وظیفه ارزیابی احتمال وجود لبه در یک شبکه (گراف) را دارد. پیش بینی پیوند در حوزه های مختلف همچون پیش بینی اتفاقات، حوزه پزشکی و شبکه های بیولوژیکی، بازیابی اطلاعات، پیشنهاد دوستی، تجارت الکترونیک و پیشنهاددهی کالا کاربرد داشته و م ورد استفاده قرار می گیرد. در پیش بینی پیوند، نمایی از یک شبکه به عنوان ورودی داده می شود و مسئله این است که در آینده نزدیک، احتمالاً چه پیوندهاییمیان اعضای فعلی شبکه روی میدهد و یا اینکه کدام یک از پیوندها از دست خواهد رفت. رویکردهای سنتی به اندازه گیری شباهت بین دو گروهزمینه ای ایستا متکی هستند اما تحقیقات اخیر بر گسترش پیش بینی پیوند در یک محیط پویا متمرکز شده است. ایجاد و حذف پیوندها در شبکه های پویا به مرور زمان تکامل می یابند. اگرچه این فرایند دشوار است اما رویکردهای استفاده از یادگیری عمیق نشان می دهد که پیشرفت های قابل توجهی در بهبود صحت پیش بینی پیوند وجود دارد. رویکرد ما در این مقاله دسته بندی روش های ساختاری پیش بینی پیوند در حوزه شبکه های پویا می باشد.-

Keywords:

پیش بینی پیوند , شبکه های پویا , معیار تشابه