بررسی و تحلیل کاربردهای پیش بینی پیوند در شبکه های اجتماعی با استفاده از روش یادگیری ماشین

شبکه های اجتماعی آنلاین عنصر جدایی ناپذیر جوامع مدرن فعلی هستند و به طور قابل توجهی بر شکل گیری و تحکیم روابط اجتماعی تاثیر می گذارند. پیش بینی یکی از جنبه های جذاب در داده کاوی است و اخیرا توجه بسیاری از محققان را به عنوان یک روش موثر برای تجزیه و تحلیل شبکه اجتماعی خود جلب کرده است. پیش بینی پیوند در شبکه های اجتماعی کاربردهای بالقوه بسیاری مانند: توصیه بخش های جدید به کاربران، پیشنهاد دوستی دارد. همچنین اتصالات ساختگی، اطلاعات از دست رفته و مکانیزم تکامل شبکه های پیچیده را به وسیله ی آن می توان کشف نمود. در سال های اخیر، روش های مختلفی برای پیش بینی لینک براساس معیارهای شباهت یا یادگیری ارائه شده است؛ اما بسیاری از این رویکردها تغییرات مستقیم را در شبکه های پویا در نظر نمی گیرند؛ چرا که ساختار آنها در طول زمان به طور پیوسته تغییر می کند و به همین دلیل به خوبی عمل نمی کنند. هدف این مقاله بررسی و بحث در مورد کاربردهای پیش بینی لینک در تحلیل شبکه های اجتماعی با استفاده از روش های یادگیری ماشین است. همچنین در این تحقیق به مرور برخی از کاربردها، چالش ها و مسیرهای آینده تحقیقات پیش بینی پیوند می پردازیم. نتایج بررسی نشان داد که الگوریتم ماشین بردار پشتیبان با دقت ۸۹ درصد بیشترین دقت را نسبت به الگوریتم های بیزین ساده و نزدیکترین همسایه در پیش بینی پیوند داشته است.

کلیدواژه ها:

شبکه های اجتماعی ، پیش بینی پیوند ، تحلیل شبکه های اجتماعی ، شبکه های پویا ، روش های یادگیری ماشین