یزدان پیلتن - ارشد کامپیوتر موسسه آموزش عالی لیان بوشهر
موسی مجرد
حسن ارفعی نیا

امروزه تحلیل شبکه های اجتماعی یکی از مهمترین زمینه های تحقیقاتی در داده کاوی است. هدف از تحلیل این شبکه- های استخراج دانش نهفته در مجموعه داده ها و یادگیری رفتار کاربران در محیط شبکه های اجتماعی می باشد. یکی از جذاب ترین و اصلی ترین کاربردهای تحلیل شبکه های اجتماعی، مسیله پیش بینی لینک است. هدف از پیش بینی لینک در شبکه های اجتماعی، شناسایی اطلاعات گم شده و ناشناخته از کاربران و یا پیش بینی ایجاد لینک بین دو کاربر در آینده است. در سال های اخیر، الگوریتم های هوش مصنوعی مختلفی بعنوان یکی از مهمترین ابزارهای حل مسایل پیش بینی لینک و داده های حجیم معرفی شده اند. در این تحقیق راهکاری مبتنی بر یک الگوریتم فراابتکاری برای بهبود پیش بینی لینک در شبکه های اجتماعی استفاده شده است. روش پیشنهادی بر اساس خصوصیات شبکه های اجتماعی علامت دار ارایه شده و مسیله پیش بینی لینک را به یک مسیله دسته بندی دوکلاسه تبدیل می کند. سپس از قابلیت الگوریتم ازدحام ذرات و ویژگی های توپولوژیکی گراف شبکه اجتماعی برای ایجاد یک پایگاه داده با دو کلاس استفاده کرده که کلاس اول به وجود ارتباط بین کاربران و کلاس دوم به عدم وجود این ارتباط اشاره دارد. با ایجاد پایگاه داده از مدل ماشین بردار پشتیبان برای کار دسته بندی و از معیار شباهت کلاسیک کاتز برای پیشنهادهای نهایی کاربران استفاده می شود. برای مقایسه و ارزیابی روش پیشنهادی از اطلاعات شبکه اجتماعی توییتر بهره گرفته شده است. نتایج آزمایش ها برتری ۰/۲۳، ۰/۹۹ و ۶/۳۲ روش پیشنهادی را به ترتیب نسبت به الگوریتم های Meta- Katz ،Path و CN در معیار اندازه گیری F نشان می دهد.

شبکه هایی اجتماعی، پیش بینی لینک، الگوریتم های فراابتکاری، معیارهای شباهت