بهبود دقت پیش بینی لینک در شبکه های پیچیده و پویا به کمک الگوریتم بهینه سازی کلونی مورچگان

شبکه های پیچیده و پویا، روز به روز گسترده تر شده و کاربرد فراگیرتری در حوزه های مختلف پیدا می کنند که از آن جمله می توان شبکه های اجتماعی، بیولوژیکی و همکاری را نام برد. بر این اساس، مسیله پیش بینی لینک در این شبکه ها، مورد توجه قرار گرفته و چالش افزایش دقت پیش بینی ، با یک زمان اجرای معقول، مطرح می شود. سه رویکرد کلی برای حل مسیله پیش بینی لینک می توان در نظر گرفت: رویکرد مبتنی بر بیش ترین احتمال، رویکرد مبتنی بر مدل های احتمالی و رویکرد مبتنی بر شباهت. این پژوهش براساس رویکرد مبتنی بر شباهت است که در آن، به منظور افزایش دقت پیش بینی لینک، از الگوریتم بهینه سازی کلونی مورچگان به همراه هیوریستیک همسایه های مشترک کمک گرفته شده تا یک وزن ساختاری به هر لینک موجود در یک شبکه، اعطا شود. این وزن با بررسی مثلث هایی که هرکدام از گره های دو سر یک لینک با دیگر گره های شبکه تشکیل داده اند، به دست می آید. لینک های ناموجود در شبکه، به کمک وزن هایی که به لینک های موجود داده می شود، امتیازدهی، رتبه بندی و پیش بینی می شوند. روش ارایه شده، با معیارهای اندازه گیری دقتی همچون AUC ، AUP و دقت L تای اول روی پانزده مجموعه داده از قبیل مجموعه داده ی هواپیمایی امریکا، وبلاگ های سیاسی، اینترنت و شبکه برق آزمایش شده است. نتایج کلی به دست آمده از آزمایشات، نشان می دهد که این روش، روش های پایه را، با معیار AUC، 1.1287 درصد، با معیار AUP، 71.2775 درصد و با معیار دقت L تای اول، 49.9431 درصد، بهبود داده است.

کلیدواژه ها:

شبکه های پیچیده و پویا ، پیش بینی لینک ، الگوریتم بهینه سازی کلونی مورچگان