بهينه سازي پيش بيني پيوند در شبكه هاي اجتماعي

Optimize Link Prediction on Social Networks

سرويس هاي شبكه هاي اجتماعي بر خط در سال هاي اخير بسيار محبوب شده است، به اين دليل كه به كاربران اجازه مي دهند تا نظرات و علايق خود را با ديگران به اشتراك بگذارند و چرخه اجتماعي خود را با ايجاد روابط دوستي جديد گسترش دهند. دوست يابي راهي براي ايجاد روابط اجتماعي با ديگران در شبكه هاي اجتماعي بر خط است كه از طريق آن كاربران مي توانند با دوستان خود در ارتباط بوده و به اطلاعات مورد علاقه خود دسترسي داشته باشند. بنابراين پيشنهاد دوست، به يك جنبه بسيار مهم تبديل شده است كه توجه گسترده اي را در جوامع بصري و شبكه هاي اجتماعي به خود جلب كرده است. ساختار كلي سيستم هاي توصيه گر دوست به اين صورت است كه يك معيار شباهت براي محاسبه شباهت ميان كاربران در نظر گفته مي شود و به هر كاربر دوستاني با بالاترين شباهت پيشنهاد داده مي شود. اين معيارهاي شباهت مي توانند شباهت كاربران را با توجه به ساختار توپولوژي گراف شبكه هاي اجتماعي و يا برخي ويژگي هاي رئوس گراف محاسبه كنند. شبكه Bayesian يك مدل قابل اعتماد براي درك روابط بين متغيرها است و در بسياري از زمينه ها در جهت پيش¬بيني مورد استفاده قرار مي گيرد. اين روش با توجه به ويژگي هاي موثر در ايجاد دوستي، دوستان را با دقت به كاربران توصيه و يا پيشنهاد مي كند. اولين هدف اين است كه ويژگي ها و شباهت هاي بيشتري را در جهت يافتن پيوند جديد پيدا كنيم. نتايج حاصل از اين روش پيشنهادي با آنچه كه از الگوريتم هاي مختلف مانند عصبي-فازي دربر داشته به طور قابل توجهي بهبود يافته است. دقت در پيشنهاد دوست به دليل درج ويژگي هاي مختلف، نسبت به روش هاي پيشين بسيار ارتقا يافته است.

Social networking services are popular in recent years , because they allow users to share their opinions and interests with others and develop their social cycle by creating new friendships . Finding is a way to build social relationships with others on social networking lines that can be accessed by their friends and access to their favorite information . Therefore , the friend s proposal has become a very important aspect that attracted widespread attention in visual communities and social networks . The overall structure of the friendly system is that a similarity criterion is intended to compute similarity among users , and each user offers friends with the highest similarity . These similarity criteria can be the similarity of users with respect to the structure of social network topology or some of the vertices of the graph graph . Bayesian network is a reliable model for understanding the relationships between variables and is used in the pre - nasal context . This method offers advice and advice to users with respect to effective characteristics in building friendships . The first goal is to find more similarities and similarities in finding a new link . The results of this proposed method are given by what has been developed by different algorithms such as fuzzy - phase nervousness . Accuracy in the friend s bid for the inclusion of various attributes is greatly improved than the previous methods .