ارائه روشی بهبودیافته در شبکه های اجتماعی جهت پیش بینی پیوند در شبکه های چندلایه
نویسندگان
1 دانشگاه باراجین قزوین
2 دانشگاه قزوین
doi
چکیده
تجزیه و تحلیل شبکههای مقیاس بزرگ پویا، اطلاعات مفیدی دراختیارمدیر شبکه قرارمیدهد. پیشبینی ارتباطات مفقود شده یا پیوندهای احتمالی که در آینده ممکن است وجود داشته باشند یک مساله مهم و جالب در شبکههای اجتماعی میباشد. در بسیاری از شبکههای اجتماعی واقعی، ارتباطات را در چند لایه میتوان مدلسازی کرد. دراین مقاله، مسئله پیشبینی پیوند در شبکههای چندلایه مورد بررسی قرار گرفته است. در این مقاله، روش جدید پیشبینی پیوند در شبکههای مالتیپلکس مبتنی بر الگوریتمهای مبتنی بر ساختار گراف و بدون ناظر مبتنی بر الگوریتم جستجوی گرانشی ارائه گردیده و از لایههای مختلف در شبکه مالتی پلکس، جهت افزایش دقت، صحت و عملکرد الگوریتم پیشبینی استفاده شده است. با انتخاب موثر معیارهای درون لایهای و بین لایهای مثل امتیاز انجمنها و انتساب عاملها به آنها از محورهای معماری پیشنهادی روشی ارائهشده، که بر کارآیی و سرعت پاسخ موردنیاز اثر دارد. برای مقایسه کار پیشنهادی از معیار AUC استفاده گردیده. واز مجموعه دادهtravian بهعنوان مجموعه محک استفاده شده است. AUC محاسبه شده پیشنهادی 72/0 است. نتایج نشان میدهد که استفاده از اطلاعات انجمنی با استفاده از الگوریتم گرانشی در شبکههای چندلایه به بهبود فرآیند پیشبینی پیوند کمک میکند.