هانا زارع - گروه مهندسی کامپیوتر، واحد پردیس، دانشگاه آزاد اسلامی، پردیس، ایران
حمید شکرزاده - گروه مهندسی کامپیوتر، واحد پردیس، دانشگاه آزاد اسلامی، پردیس، ایران

امروزه شبکه های اجتماعی خدمات و مزایای فراوانی در اختیار کاربران خود قرار می دهند. پیش بینی تعاملاتی که ممکن است در آینده ی نزدیک در بین اعضای این شبکه ها اتفاق می افتد، داری اهمیت است. این موضوع تحت عنوان مساله ی پیش بینی لینک معرفی شده است. در پیشینه ی پژوهش دو شیوه ی کارآمد پیش بینی لینک بر اساس خوشه بندی طیفی با استفاده از کی-مدوئیدز و لندمارک ارائه شد. شیوه ی نخست از کی-مدوئیدز برای خوشه بندی گره های گراف، بر اساس بردار ویژه به دست آمد که از ماتریس لاپلاسین نرمال، استفاده می کند. شیوه ی دوم زیرمجموعه ای از نقطه داده ها را به عنوان لندمارک انتخاب می کند و نقطه داده های اولیه را به عنوان ترکیب های خطی این لندمارک ها به نمایش می گذارد. با توجه به اینکه هزینه ی محاسباتی کی-مدوئیدز و لندمارک با دقت پیش بینی در ارتباط است. باید بهینه سازی هایی در این حوزه صورت پذیرد. بنابراین تحقیق در این حوزه ادامه دارد. دراین پژوهش، روشی جهت پیش بینی لینک در پنج شبکه های اجتماعی ارائه می گردد. روش پیشنهادی با استفاده از تکنیک خوشه بندی طیفی کی-مدوئیدز و بهره گیری از الگوریتم بیشینه سازی انتظار در بهینه سازی نقاط لندمارک ارائه می شود. نتایج شبیه سازی در نرم افزار متلب نشان می دهد که روش پیشنهادی توانسه خطای پیش بینی لینک را در مقایسه با شیوه ی جستجوی محلی کی-مینز (خوشه بندی طیفی کی-مینز) به اندازه ۳۱/۳۱% خوشه بندی طیفی کی-مدوئیدز به اندازه ۱۸/۹۶% و روش آسما و همکاران به اندازه ۳/۳۸% روی شبکه ی داده تارو کاهش دهد

پیش بینی لینک، شبکه های اجتماعی، الگوریتم بیشینه سازی انتظار، خوشه بندی طیفی کی-مدوئیدز، خوشه بندی طیفی کی-مینز.