بهبود عملکرد پیش بینی لینک در شبکه های اجتماعی

سرویس های شبکه های اجتماعی بر خط در سال های اخیر بسیار محبوب شده است، به این دلیل که به کاربران اجازه میدهند تا نظرات و علایق خود را با دیگران به اشتراک بگذارند و چرخه اجتماعی خود را با ایجاد روابط دوستی جدید گسترش دهند. دوستیابی راهی برای ایجاد روابط اجتماعی با دیگران در شبکه های اجتماعی بر خط است که از طریق آن کاربران میتوانند با دوستان خود در ارتباط بوده و به اطلاعات مورد علاقه خود دسترسی داشته باشند. بنابراین پیشنهاد دوست، به یک جنبه بسیار مهم تبدیل شده است که توجه گستردهای را در جوامع بصری و شبکه های اجتماعی به خود جلب کرده است. ساختار کلی سیستم های توصیه گر دوست به این صورت است که یک معیار شباهت برای محاسبه شباهت میان کاربران در نظر گفته میشود و به هر کاربر دوستانی با بالاترین شباهت پیشنهاد داده میشود. این معیارهای شباهت میتوانند شباهت کاربران را با توجه به ساختار توپولوژی گراف شبکه های اجتماعی و یا برخی ویژگی های ریوس گراف محاسبه کنند. شبکه Bayesian یک مدل قابل اعتماد برای درک روابط بین متغیرها است و در بسیاری از زمینه ها در جهت پیش بینی مورد استفادهقرار میگیرد. این روش با توجه به ویژگی های موثر در ایجاد دوستی، دوستان را با دقت به کاربران توصیه و یا پیشنهاد میکند. اولین هدف این است که ویژگی ها و شباهت های بیشتری را در جهت یافتن لینک جدید پیدا کنیم. نتایج حاصل از این روش پیشنهادی با آنچه که از الگوریتم های مختلف مانند عصبی-فازی دربر داشته به طور قابل توجهی بهبود یافته است. دقت در پیشنهاد دوست به دلیل درج ویژگی های مختلف، نسبت به روش های پیشین بسیار ارتقا یافته است

کلیدواژه ها:

پیش بینی لینک ، خوشه ، شبکه های اجتماعی ، شبکه های بیزین ، معیار شباهت