فهرست مقالات Link Prediction

• دسترسی آزاد مقاله
  • صفحه چکیده
  • متن کامل
  
  1 - ارائه یک معیار مشابهت جهت پیش‌بینی پیوند در شبکه‌های اجتماعی
  علی سرآبادانی خیرالله رهسپارفرد سید مرتضی پورنقی
  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
• دسترسی آزاد مقاله
  • صفحه چکیده
  • متن کامل
  
  2 - A New Multi-Wave Cellular Learning Automata and Its Application for Link Prediction Problem in Social Networks
  Mozhdeh Khaksar Manshad Mohammad Reza Meybodi Afshin Salajegheh
  Link Prediction (LP) is one of the main research areas in Social Network Analysis (SNA). The problem of LP can help us understand the evolution mechanism of social networks, and it can be used in different applications such as recommendation systems, bioinformatics, and چکیده کامل

  Link Prediction (LP) is one of the main research areas in Social Network Analysis (SNA). The problem of LP can help us understand the evolution mechanism of social networks, and it can be used in different applications such as recommendation systems, bioinformatics, and marketing. Social networks can be shown as a graph, and LP algorithms predict future connections by using previous network information. In this paper, a multi-wave cellular learning automaton (MWCLA) is introduced and used to solve the LP problem in social networks. The proposed model is a new CLA with a connected structure and a module of LAs in each cell where a cell module’s neighbors are its successors. In the MWCLA method for improving convergence speed and accuracy, multiple waves have been used parallelly in the network. By using multiple waves, different information of the network can be considered for predicting links in the social network. Here we show that the model converges upon a stable and compatible configuration. Then for the LP problem, it has been demonstrated that MWCLA produces much better results than other approaches compared to some state-of-the-art methods. پرونده مقاله
• دسترسی آزاد مقاله
  • صفحه چکیده
  • متن کامل
  
  3 - A Link Prediction Method Based on Learning Automata in Social Networks
  Sara YounessZadeh Mohammad Reza Meybodi
  Nowadays, online social networks are considered as one of the most important emerging phenomena of human societies. In these networks, prediction of link by relying on the knowledge existing of the interaction between network actors provides an estimation of the probabi چکیده کامل

  Nowadays, online social networks are considered as one of the most important emerging phenomena of human societies. In these networks, prediction of link by relying on the knowledge existing of the interaction between network actors provides an estimation of the probability of creation of a new relationship in future. A wide range of applications can be found for link prediction such as electronic commerce and recommender systems or identification of terroristic relations in social networks. In this article, a new idea is presented for the prediction. It is an integration of the two methods of prediction of similarity score based link and prediction of probabilistic link, which is placed in a new category of link prediction methods. This idea acquires the similarity score between nodes from probabilistic techniques and through using learning automata, and provides better results compared to other criteria methods on standard datasets. پرونده مقاله
• دسترسی آزاد مقاله
  • صفحه چکیده
  • متن کامل
  
  4 - Enabling Link Prediction Optimization on Social Networks
  banafshe poorsoltani fariba salahi Amir Daneshvar
  Virtual social networks are a modern age of spaces that play an important role in the world today. They are highly dynamic networks with a complex structure. This is why it is very difficult to predict communication in this field. The prediction has recently caught the چکیده کامل

  Virtual social networks are a modern age of spaces that play an important role in the world today. They are highly dynamic networks with a complex structure. This is why it is very difficult to predict communication in this field. The prediction has recently caught the attention of various researchers as one of the most important aspects of data mining. In addition to understanding the relationship between groups in social communities, the connection prediction in social networks also ensures that networks are popular. Link prediction is the prediction of the probability that two entities will interact based on some unique and common characteristics between them. Link prediction is intended to generate and propose a list of persons to whom the user communicates. This study introduces a prediction approach used to combine a genetic algorithm with an algorithm from Louvain. Data are first chosen from the default dataset as binary in this process. Then the best nodes are extracted and chosen based on merit using the genetic algorithm. Lastly, the modularity of the networks is obtained by using the Louvain algorithm. The findings indicated the optimal performance of this approach. پرونده مقاله