بهینه سازی پیش بینی پیوند در شبکه های اجتماعی

سرویس های شبکه های اجتماعی بر خط در سال های اخیر بسیار محبوب شده است، به این دلیل که به کاربران اجازه می دهند تا نظرات و علایق خود را با دیگران به اشتراک بگذارند و چرخه اجتماعی خود را با ایجاد روابط دوستی جدید گسترش دهند. دوست یابی راهی برای ایجاد روابط اجتماعی با دیگران در شبکه های اجتماعی بر خط است که از طریق آن کاربران می توانند با دوستان خود در ارتباط بوده و به اطلاعات مورد علاقه خود دسترسی داشته باشند. بنابراین پیشنهاد دوست، به یک جنبه بسیار مهم تبدیل شده است که توجه گسترده ای را در جوامع بصری و شبکه های اجتماعی به خود جلب کرده است. ساختار کلی سیستم های توصیه گر دوست به این صورت است که یک معیار شباهت برای محاسبه شباهت میان کاربران در نظر گفته می شود و به هر کاربر دوستانی با بالاترین شباهت پیشنهاد داده می شود. این معیارهای شباهت می توانند شباهت کاربران را با توجه به ساختار توپولوژی گراف شبکه های اجتماعی و یا برخی ویژگی های ریوس گراف محاسبه کنند. شبکه Bayesian یک مدل قابل اعتماد برای درک روابط بین متغیرها است و در بسیاری از زمینه ها در جهت پیش بینی مورد استفاده قرار می گیرد. این روش با توجه به ویژگی های موثر در ایجاد دوستی، دوستان را با دقت به کاربران توصیه و یا پیشنهاد می کند. اولین هدف این است که ویژگی ها و شباهت های بیشتری را در جهت یافتن پیوند جدید پیدا کنیم. نتایج حاصل از این روش پیشنهادی با آنچه که از الگوریتم های مختلف مانند عصبی-فازی دربر داشته به طور قابل توجهی بهبود یافته است. دقت در پیشنهاد دوست به دلیل درج ویژگی های مختلف، نسبت به روش های پیشین بسیار ارتقا یافته است.

Keywords:

پیش بینی پیوند , خوشه , شبکه های اجتماعی , شبکه های بیزین , معیار شباهت