پیش بینی ارتباط در شبکه های اجتماعی بر اساس اهمیت همسایه های مشترک و با کمک پردازش MapRduce
سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 699
فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
NPECE01_264
تاریخ نمایه سازی: 6 بهمن 1395
چکیده مقاله:
شبکه های اجتماعی شبکه های دینامیک هستند که مدام در حال افزایش اعضا و ارتباطات و لینکهای بین آنها هستند و این لینکها ممکن است به خاطر فرآیند ایجاد ناقص و یا به خاطر این که این هنوز در این شبکه ها انعکاس نیافته اند از دست برود در رابطه با این لینکها و ارتباطات مساله پیس بینی لینک اهمیت پیدا می کند در این مقاله قصد داریم تا با بررسی روش های پیش بینی ارتباط و مقایسه و بیان نقاط ضعف و قدرت آن ها روشی جدید برای پیش بینی ارتباط با هدف بهبود دقت پیش بینی را ارائه نماییم و با توجه به میزان تاثیر ویژگی های مختلف کاربران در پیش بینی ارتباط در شبکه های اجتماعی و افزایش فزاینده ی کاربران شبکه های اجتماعی حجم داده های تولید شده توسط آنان بپردازیم انجام چنین تحلیلی با روش های معمول به سادگی امکان پذیر نبوده و باید از تکنیک های جدیدی مثل تحلیل کلان داده استفاده نمود از آنجا که همه ی معیارهای شباهت بین دو کاربر در شبکه به یک میزان مساوی تاثیرگذار نیستند در پی آن هستیم تا از هر همسایه ی مشترک بین دو کاربر به میزان وزنی که دارد استفاده کنیم
کلیدواژه ها:
نویسندگان
اعظم مهربان
گروه کامپیوتر واحد صفادشت دانشگاه آزاد اسلامی تهران ایران
پیام پرکار رضاییه
گروه کامپیوتر واحد دماوند دانشگاه آزاد اسلامی تهران ایران
احسان امینیان
گروه کامپیوتر واحد صفادشت دانشگاه آزاد اسلامی تهران ایران
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 :