یک شبکه اجتماعی، ساختاری متشکل از افراد یا سازمانها است. تحلیل شبکههای اجتماعی، مبتنی بر رویکردی است که در آن شبکه را به صورت مجموعهای از گرهها و روابط میان آنها درنظر میگیرد. گرهها شامل اشخاص و موجودیتهای درون شبکه هستند که با یکدیگر در تعامل ند و در واقع بازی چکیده کامل
یک شبکه اجتماعی، ساختاری متشکل از افراد یا سازمانها است. تحلیل شبکههای اجتماعی، مبتنی بر رویکردی است که در آن شبکه را به صورت مجموعهای از گرهها و روابط میان آنها درنظر میگیرد. گرهها شامل اشخاص و موجودیتهای درون شبکه هستند که با یکدیگر در تعامل ند و در واقع بازیگران درون شبکه محسوب میشوند که روابط میان آنها به صورت اتصالاتی بین گرهها نمایش داده میشود. باتوجه به تعداد رو به رشد کاربران شبکههای اجتماعی، تحلیل روابط حاکم بر آن، پیشبینی پیوندها و تعاملهای ناشی از ارتباط میان گرهها (پیشبینی لینک یا پیوند، یعنی پیشبینی تعامل جدیدی که قرار است در آینده رخ دهد) از چالشهای جدی در شبکههای اجتماعی می باشد. ما در این مقاله یک معیار شباهت جدید برای پیشبینی لینک در شبکههای اجتماعی را پیشنهاد میدهیم. این معیار را با چهار روش پیشبینی لینک Jaccard، Salton Index، Salton Cosine و Resource Allocation مقایسه میکنیم. ما شبیهسازی معیار پیشنهادی خود را بر روی پنج مجموعه داده در شبکههای اجتماعی، انجام میدهیم. نتایج شبیهسازی نشان میدهد که معیار پیشنهادی ما عملکرد بهتری نسبت به سایر روشهای پیشبینی پیوند در شبکههای اجتماعی برروی همه دیتاستها را دارد. تجزیه و تحلیل شبکه های اجتماعی به دلیل کاربرد گسترده آن در ثبت تعاملات اجتماعی اخیراً توجه بسیاری را در بین محققان به خود جلب کرده است. پیشبینی پیوند، مربوط به احتمال وجود پیوند بین دو گره شبکه که متصل نیستند، یک مشکل کلیدی در تحلیل شبکههای اجتماعی است. روش های زیادی برای حل مشکل پیشنهاد شده است. در میان این روشها، روشهای مبتنی بر شباهت با درنظرگرفتن ساختار شبکه و استفاده به عنوان معیاری اساسی از تعداد همسایههای مشترک بین دو گره برای ایجاد شباهت ساختاری، کارایی خوبی از خود نشان میدهند.
پرونده مقاله