یک روش ترکیبی خوشه بندی و الگوریتم رقابت استعماری برای پیش بینی پیوند در شبکه های اجتماعی
- سال انتشار: 1400
- محل انتشار: دهمین کنفرانس بین المللی نوآوری و تحقیق در علوم مهندسی
- کد COI اختصاصی: ICIRES10_046
- زبان مقاله: فارسی
- تعداد مشاهده: 300
نویسندگان
گروه مهندسی کامپیوتر، دانشکده فنی، واحد تهران مرکزی، دانشگاه آزاد اسلامی، تهران، تهران
استادیار گروه مهندسی کامپیوتر، دانشکده فنی، واحد تهران مرکزی، دانشگاه آزاد اسلامی، تهران، تهران
استادیار گروه مهندسی کامپیوتر، دانشکده فنی، واحد تهران مرکزی، دانشگاه آزاد اسلامی، تهران، تهران
چکیده
امروزه، پیش بینی پیوند در شبکه های اجتماعی در حال توسعه و گسترش می باشد. به گونه ای که پیوندهای ارتباطی بین کاربرانها در شبکه های اجتماعی دائما درحال افزایش، تحول و بهره برداری به وفور بوده و همچنین، روزانه کاربران بسیاری در اقسا نقاط جهان به اینشبکه اجتماعی بزرگ افزوده می شوند. از این رو، کاربرد روزافزون این شبکه ها و هم حفظ حضور کاربران شبکه ها، امری مهم و چالش برانگیزاست. از آنجا که ساختار این شبکه ها، براساس ساختار گراف شبکه می باشد، پیش بینی پیوندها را در این تحقیق مورد بررسی قرار می دهیم. باتوجه به اینکه مسائل بهینه سازی، نوعی از مسائل NP-Hard می باشد، برای بهینه سازی دقیق تر گراف و پیش بینی پیوند موثرتر از الگوریتمرقابت استعماری که یک مسئله بهینه سازی می باشد، استفاده می کنیم. در این پایان نامه، ابتدا یک روش پیش بینی پیوند در شبکه های اجتماعیبا رویکرد انتخاب ویژگی براساس الگوریتم رقابت استعماری پیشنهاد می گردد. در ابتدا داده ها، با الگوریتم k-means خوشه بندی می شوند.سپس، در رویکرد پیشنهادی از انتخاب ویژگی استفاده می شود به این ترتیب که الگوریتم رقابت استعماری بت تابع برازندگی پیرسون، بهترینویژگی ها را در بین ویژگی های موجود انتخاب می کند و سپس مجددا عملیات خوشه بندی بر روی داده ها با ویژگی های جدید صورت می پذیرد.تا ویژگی های موثر در خوشه بندی توسط این الگوریتم استخراج شود. سپس با استفاده از درخت تصمیم روش پیشنهادی، ورود کاربر جدید درساختار اراده شده، مشخص می گردد که کاربر جدید به کدام خوشه تعلق دارد. در نهایت از الگوریتم پیش بینی پیوند Friendlink ، برای پیش بینیپیوند براساس ساختار الگوریتم پیشنهادی استفاده می شود. در ارزیابی روش پیشنهادی از دیتاست Pokec برای شبکه اجتماعی استفاده می کنیمو از مقادیر دقت، صحت، بازخوانی و F-measure در ارزیابی استفاده می شود. نتایج بدست آمده نشان می دهد که روش پیشنهادی نسبت به سایررویکرهای مورد بررسی، کارایی و دقت بالاتری را دارد.کلیدواژه ها
انتخاب ویژگی، خوشه بندی، همبستگی پیرسون، الگوریتم رقابت استعماری، پیش بینی پیوندمقالات مرتبط جدید
- The Artificial Intelligence and Nanotoxicology
- بررسی اثر سمیت نانو ذره اکسید روی سنتز شده به روش سبز از دانه گیاه تاج خروس وحشی Amaranthus cruentus بر روی سلول های سرطانی کولورکتال HT-۲۹
- کاربرد فناوری نانوتکنولوژی در تشخیص و درمان سرطان
- بررسی خواص خودتمیزشوندگی پارچه پوشش داده شده با نانوکامپوزیت ZnO/Go
- An Asymmetric supercapacitor using PANI as the positive electrode and Ti۳C۲Tx/PANI as the negative electrode
اطلاعات بیشتر در مورد 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.