معیارهای جدید جهت پیش بینی لینک مبتنی بر ترکیب نودها و ساختار شبکه

چکیده- امروزه مطالعه بر روی فضای اجتماعی و شبکه های اجتماعی و تحلیل و بررسی این شبکه ها رشد چشم گیری داشته است. در زندگی واقعی، افراد مستقل از یکدیگر نیستند. افراد در گروه های اجتماعی به هم وابسته شده اند. از جمله پرکاربردترین زمینه ها در مطالعه ی شبکه های اجتماعی، بحث شناسایی لینک می باشد که اخیرا بسیار مورد استقبال پژوهشگران داخلی و خارجی قرار گرفته است. پیش بینی لینک نه تنها می تواند در زمینه شبکه اجتماعی استفاده شود بلکه در زمینه هایی چون بیوانفورماتیک، برای کشف روابط متقابل بین پروتئین ها مورد استفاده قرار میگیرد. هدف اصلی شناسایی لینک، بررسی احتمال ایجاد یا حذف لینک بین اعضا در وضعیت آینده ی شبکه با استفاده از تحلیل وضعیت کنونی آن است. در این پژوهش با بهره گیری از معیارهای محلی شباهت مبتنی بر همسایه و معیار عمومی شباهت مبتنی بر مسیر که هر دو از ساختار گراف استفاده می کنند معیارهای شباهت جدیدی معرفی شده است. نتایج کار بر روی مجموعه داده های مورد بررسی برتری کار را نسبت به معیارهایی که تنها از مسیر و یا ازهمسایه بهره می جویند، نشان میدهد و مشاهده میشود که متد ارائه شده با ترکیب اطلاعات مسیر و همسایه ها میتواند بر اساس معیارهای precision و AUC با دقت بیشتری نسبت به روش های قبل لینک ها را پیش بینی کند.

Keywords:

Social Networks , link identification , network structure , path similarity criterion , community