نسیم هادی نسب - دانشگاه آزاد اسلامی، واحد ملارد، گروه کامپیوتر، ملارد، ایران
جواد محمدزاده - دانشگاه آزاد اسلامی، واحد ملارد، گروه کامپیوتر، ملارد، ایران
علی سلیمانی - دانشگاه آزاد اسلامی، واحد ملارد، گروه کامپیوتر، ملارد، ایران

هر یکی از مهمترین مشکلاتی که شبکه های اجتماعی جدید با آن دست و پنجه نرم میکنند، وجود کاربران جدید در سیستم است که چگونه آنها را به سمت استفاده بیشتر از این شبکه، سوق دهند. همچنین نگه داشتن کاربر در شبکه به عنوان یک مسیله مهم برشمرده میشود که بر اساس یک کاربر، بتوان کاربران جدید را با معرفی شبکه اجتماعی به سایرین، به دست آورد. این چالش، دارای راه حل هایی میباشد که یکی از آنها، سیستم های پیش بینی کننده لینک در شبکه های اجتماعی است. این سیستم، می تواند بر اساس رفتارها، سلایق و نوشته های کاربران، آنها را به یکدیگر توصیه و پیشنهاد نماید. این تحقیق نیز سعی در ارایه یک روش بهینه جهت پیش بینی لینک در شبکه های اجتماعی با رویکرد خوشه بندی را دارد. داده ها از یک منبع معتبر دریافت و به عنوان داده های ورودی به صورت نرمال شده وارد سیستم میشوند، عملیات مشابهت یابی بین داده ها انجام میشود که مبتنی بر روشهای الگوشناسی آماری و تحلیلی است. سپس شبکه عصبی-فازی با هدف خوشه بندی داده ها وارد عمل شده و الگوریتم تبرید تدریجی جهت بهبود این خوشهبندی و به دست آوردن نتیجه مناسب برای بخش معیارهای ارزیابی وارد عمل میشود. شبیه سازی در محیط MATLAB انجام میشود و نتایج حاصل، نشان از نتایج مناسب ارزیابی از جمله دقت بالای روش پیشنهادی (ترکیب روش عصبی-فازی و الگوریتم تبرید تدریجی) نسبت به روش های پیشین دارد. از داده های خام تحت عنوان SNAP برای دانشگاه Stanford استفاده می شود که مربوط به شبکه ای اجتماعی بوده و براساس مشابهت یابی و همچنین پیاده سازی مدل پیشنهادی بر روی آن، نتایج مناسبی ارایه گردیده است.

شبکه های اجتماعی، پیش بینی لینک، سیستمهای توصیه گر، شبکه فازی-عصبی (انفیس)، الگوریتم تبرید تدریجی