ارائه روشی بهبودیافته در شبکه های اجتماعی جهت پیش بینی پیوند در شبکه های چندلایه

تجزیه و تحلیل شبکه­های مقیاس بزرگ پویا، اطلاعات مفیدی دراختیارمدیر شبکه قرارمی­دهد. پیش­بینی ارتباطات مفقود شده یا پیوندهای احتمالی که در آینده ممکن است وجود داشته باشند یک مساله مهم و جالب در شبکه­های اجتماعی می­باشد. در بسیاری از شبکه­های اجتماعی واقعی، ارتباطات را در چند لایه می­توان مدلسازی کرد. دراین مقاله، مسئله پیش­بینی پیوند در شبکه­های چندلایه مورد بررسی قرار گرفته است. در این مقاله، روش جدید پیشبینی پیوند در شبکه­های مالتیپلکس مبتنی بر الگوریتم­های مبتنی بر ساختار گراف و بدون ناظر مبتنی بر الگوریتم جستجوی گرانشی ارائه گردیده و از لایه­های مختلف در شبکه مالتی پلکس، جهت افزایش دقت، صحت و عملکرد الگوریتم پیش­بینی استفاده شده است. با انتخاب موثر معیارهای درون لایه­ای و بین لایه­ای مثل امتیاز انجمن­ها و انتساب عامل­ها به آن­ها از محورهای معماری پیشنهادی روشی ارائهشده، که بر کار­آیی و سرعت پاسخ موردنیاز اثر دارد. برای مقایسه کار پیشنهادی از معیار AUC استفاده گردیده. واز مجموعه دادهtravian  بهعنوان مجموعه محک استفاده شده است. AUC محاسبه شده پیشنهادی ۷۲/۰ است. نتایج نشان می­دهد که استفاده از اطلاعات انجمنی با استفاده از الگوریتم گرانشی در شبکه­های چندلایه به بهبود فرآیند پیش­بینی پیوند کمک می­کند.

Keywords:

پیش بینی پیوند , شبکه های مالتی پلکس , تحلیل شبکه های اجتماعی , تحلیل ایستا