پيشگويي پيوند در شبكه‌هاي اجتماعي با استفاده از تركيب دسته‌بندي‌كننده‌ها

پيشگويي پيوند در شبكه‌هاي اجتماعي يكي از فعاليت‌هاي مهم در تحليل شبكه‌هاي اجتماعي است. اهميت پيشگويي پيوند در شبكه‌هاي اجتماعي به‌دليل طبيعت ديناميك آن‌هاست. اعضا و پيوندهاي ارتباطي بين آن‌ها در اين شبكه‌ها مدام در حال افزايش است و اين پيوندها ممكن است به دلايل گوناگون از دست برود؛ لذا با پيشگويي اين پيوندها، امكان گسترش و تكميل اين شبكه‌ها و بازيابي اطلاعات و موارد از دست رفته را مي‌توان به‌دست آورد. براي كشف و پيشگويي اين پيوندها نياز به اطلاعاتي است كه غالباً از ساختار گرافي شبكه استخراج مي‌شوند و به‌عنوان معيارهايي براي پيشگويي مورد استفاده قرار مي‌گيرند. در اين مقاله پس از معرفي دو معيار جديد كه كارايي موثري در پيشگويي و نيز ارايه پيشنهادات از خود نشان داده‌اند، روش جديدي ارايه شده است كه با تركيب چند دسته‌بندي‌كننده و با بهره‌گيري از روش‌هاي تكاملي (الگوريتم ژنتيك و الگوريتم رقابت استعماري)، عمل پيشگويي پيوند را به انجام مي‌رساند. براي اثبات كار از دو مجموعه داده واقعي Facebook و Epinions استفاده شده است. ما نشان داده‌ايم كه روش پيشنهادي مي‌تواند كارايي و دقت پيشگويي را افزايش دهد.