CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

پیش بینی لینک در شبکه های اجتماعی با استفاده از ماشین بردار پشتیبان

اعتبار موردنیاز : ۱ | تعداد صفحات: ۱۳ | تعداد نمایش خلاصه: ۸۰۱ | نظرات: ۱
سال انتشار: ۱۳۹۴
کد COI مقاله: MANAGTOOLS02_049
زبان مقاله: فارسی
حجم فایل: ۶۷۵.۵۸ کیلوبایت (فایل این مقاله در ۱۳ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.
با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید. در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.
لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۱۳ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳,۰۰۰ تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله پیش بینی لینک در شبکه های اجتماعی با استفاده از ماشین بردار پشتیبان

  الناز دادخواه - دانشجوی کارشناسی ارشد دانشکده مهندسی کامپیوتر، واحد نجف آباد، دانشگاه آزاد اسلامی، نجف آباد، ایران
  محمدحسین ندیمی - استادیار دانشکده مهندسی کامپیوتر، واحد نجف آباد، دانشگاه آزاد اسلامی، نجف آباد، ایران

چکیده مقاله:

شبکه های اجتماعی بسیار پویا، پراکنده و دارای ساختاری پیجیده هستند. به همین دلیل پیش بینی ارتباطات در این حوزه بسیار دشوار است. پیش بینی یکی از جنبه های جذاب در داده کاوی است و اخیراً توجه بسیاری از محققان را به عنوان یک روش مؤثر برای تجزیه و تحلیل شبکه اجتماعی خود جلب کرده است. پیش بینی لینک در شبکه های اجتماعی علاوه بر اینکه برای درک ارتباط بین گره ها در جوامع اجتماعی است و محبوبیت های بعدی شبکه ها را تضمین می کند. در زمینه های چالش برانگیز دیگر مانند رفتارهای اجتماعی افراد، ارزیابی کمی و کیفی روابط انسانی در عصر جامعه اطلاعاتی و همچنین در زمینه های کتابشناختی، زیست شناسی مولکولی، تحقیقات جنایی و سیستم های توصیه کننده یا همان پیشنهادگر بسیار مؤثر است. پیش بینی لینک به زبان ساده یعنی هدف این است که لیستی از افرادی را که در یک کاربر، احتمالاً با آنها ارتباط برقرار خواهد کرد، به او پیشنهاد دهیم اما بسیاری از لینک های که در شبکه وجود ندارد می تواند در آینده ایجاد شوند. بنابراین پیش بینی لینک های از دست رفته در شبکه های اجتماعی و یا لینک احتمالی که در آینده بوجود خواهد آمد، می تواند خود یک چالش باشد. هرچند این مسئله به صورت گسترده ای مورد مطالعه و بررسی قرار گرفته است؛ با این حال، مشکل چگونگی ترکیب بهینه و مؤثر اطلاعات حاصل از ساختار شبکه با داده اهی توصیفی فراوان مربوط به گره و یال، تا حد زیادی پابرجا است.

کلیدواژه‌ها:

شبکه های اجتماعی، پیش بینی لینک، ماشین بردار پشتیبان

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:
https://www.civilica.com/Paper-MANAGTOOLS02-MANAGTOOLS02_049.html
کد COI مقاله: MANAGTOOLS02_049

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
دادخواه, الناز و محمدحسین ندیمی، ۱۳۹۴، پیش بینی لینک در شبکه های اجتماعی با استفاده از ماشین بردار پشتیبان، دومین کنفرانس بین المللی ابزار و تکنیکهای مدیریت، تهران، موسسه اطلاع رسانی نارکیش، https://www.civilica.com/Paper-MANAGTOOLS02-MANAGTOOLS02_049.html

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (دادخواه, الناز و محمدحسین ندیمی، ۱۳۹۴)
برای بار دوم به بعد: (دادخواه و ندیمی، ۱۳۹۴)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :

  • . M. J. Rattigan and D. Jensen. The case for ...
  • . Liben-Nowel and J. Kleinberg, "The link prediction problem for ...
  • Prediction using Supervised Learning", in Proc. of the Workshop on ...
  • . F. Fouss, A. Pirotte, J. Renders, and M. Saerens, ...
  • . Q. Hu, X. Zhang and D .Saha, Modeling Virus ...
  • I. H. Witten and . Frank. Data Mining: Practical Machine ...
  • J. Sander, "Principles of Knowledge Discovery in Data: Clustering I", ...
  • Q. Ou, Y.-D. Jin, T. Zhou, B.-H. Wang, and B.-Q. ...
  • Hasan, Mohammad A., and Chaoji, Vineet, and Salem, Saeed and ...
  • Z. Lu, B. Savas, W. Tang, and I. S. Dhillon. ...
  • H. H. Song, T. W. Cho, V. Dave, Y. Zhang, ...
  • J. Guiver and E Snelson. Bayesian inference for Plackett-Luce ranking ...
  • by Rice Classification, S. J. Mousavi Rad, F. Akhlaghian Tab, ...
  • Linyuan Li, Tao Zhou." Link prediction in complex networks: A ...
  • Mohammad- Nadimi- Shahraki, N. Mustapha, M N Sulaiman, Ali B ...
  • Mohammad Hossein Nadimi, Mostafa Mosakhani" A more Accurate Clustering Method ...
  • علم سنجی و رتبه بندی مقاله

    5.0
    ۱ تعداد پژوهشگران نظر دهنده
    5 1
    4 0
    3 0
    2 0
    1 0
    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه آزاد
    تعداد مقالات: ۷۹۵۱
    در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

    مدیریت اطلاعات پژوهشی

    اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    مقالات پیشنهادی مرتبط

    مقالات مرتبط جدید

    شبکه تبلیغات علمی کشور

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره COI

    COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
    کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.