پیش بینی لینک در شبکه های پویا

Publish Year: 1395
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 970

This Paper With 18 Page And PDF and WORD Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

ICMEAC04_044

تاریخ نمایه سازی: 19 خرداد 1396

Abstract:

شبکه های اجتماعی، شبکه های اطلاعاتی هستند که تعامل ها و روابط بین اشخاص و موجودیت ها را شرح می دهند در حال حاضر، شبکه های اجتماعی به صورت فزاینده ای در حال گسترش و تعمیم هستند و یک رشد نمایی را نشان می دهند. این واقعیت موجب جذب فزاینده گرایش های تحقیقاتی شده است و در دهه های اخیرکارهای زیادی در این زمینه انجام شده است که به نوبه خود، ظهور راه های تحقیقاتی جدید نظیر پیش بینی لینک در شبکه های اجتماعی را موجب شده است.یکی از چالش مطرح در پیش بینی لینک در شبکه های داینامیک که تاکنونبررسی نشده، این است کهدر بسیاری از شبکه های اجتماعی، فعالیت ها و تعاملات موجودیت ها در بستر زمان تغییر می کند. ساختار این شبکه ها داینامیک بوده و به صورت تدریجی دچار تحول می شود. در تحلیل شبکه های اجتماعی ایستا فقط روی تصویر یک لحظه از شبکه تمرکز می کنیم، درحالی که تحلیل تغییرات یک شبکه در محور زمان، می تواند اطلاعات مهمی از روند تغییر شبکه را در اختیار ما قرار دهد. بنابراین، در این پژوهش رویکرد جدیدی با استفادهاز تحلیل شبکه های پویا برای حل این مسیلهارایه شده است که این نوع خاص از تحلیل شبکه اجتماعی، تغییر و تحولات ارتباطات در طول زمان را مورد ثبت و ضبط و بررسی قرار می دهد و خروجی های آن نمونه هایی از گراف ها هستند که یک بعد زمان به آن ها اضافه شده و از یک تایم لاین برای نمایش گذر زمان بهره گرفته می شود.دو روش کلی برای مساله داینامیک بودن شبکه ها در این مقاله ارایه شده که در روش اول با رویکرد یادگیری ماشین ویژگی هایی از لینک ها استخراج شده و در روش دوم ارتباطات دینامیک را با سری های زمانی بازنمایی نموده و با برازش منحنی متناسب با آن، مدلی را برای پیش بینی به دست آوردیم. از هر دو روش نتایج رضایت بخشی به دست آمده است که می توان از آن ها برای پیش بینی لینک ها در مجموعه داده های مختلف استفاده نمود. از معیارهای شباهت مختلف ازجمله معیار شباهت جاکارد، همسایگان مشترک، شاخص آدامیک و تخصیص منابع به منظور محاسبه میزان شباهت های بین پیش بینی انجام شده در آینده باحالت قبل سیستم استفاده شده است. لذا میزان دقت روش پیشنهادی جهت پیش بینی حالت آینده شبکه به طور متوسط در حدود۸۹%است. همچنین روش پیشنهادی نیز به طور میانگین نسبت به سایر روش های مشابه که همگی بر روی یک دیتاست یکسان اجراشده اند حدود ۱.۵ برابر بهبود داشته است

Authors

علی فرزانه مهر

دانشجوی کارشناسی ارشدنرم افزاردانشگاه آزاد اسلامی مرودشت

بابک امیری

هییت علمی دانشگاه آزاد اسلامی مرودشت

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :
  • A, C., & Newman MEJ, M. (2004). Finding community structure ...
  • Bliss, A., & Frank, M. R. (2014). An Evolutionary Algorithm ...
  • Casteigts, A., & Flocchini, P. Q. (2012). Time-varying graphs and ...
  • Dong, Y. T., & Wu, S. T. (2012). Link prediction ...
  • Folino, F., && Pizzuti, C. (2014). An evolutionary multiobjective approach ...
  • Ibrahim, N. M., & Chen, L. (2014). Link prediction in ...
  • Kaya, B., & MustafaPoyraz _ (2015). Age-series based link prediction ...
  • Lakshmi, T. J., && Bhavani, S. D. (2014). Heterogeneous link ...
  • Sherkat, E., & Maseud Rahgozar, M. A. (2014). Structural link ...
  • Srinivas, V., && Mitra, P. (2016). Applications of Link Prediction. ...
  • Wang, P., & Xu, B. W. (2015). Link prediction in ...
  • نمایش کامل مراجع