سیستم پیش بینی لینک در شبکه های اجتماعی بر اساس الگوریتم فراابتکاری

شبکه های اجتماعی عمدتا در قالب نمودارهایی با تعداد زیادی راس و یال در قالب یک ماتریس مجاورت نمایش و تحلیل می شوند. لبه ها روابط بین افراد را نشان می دهند و به عنوان پیوند بین رئوس عمل می کنند. ویژگی های ساختاری هر شبکه با ویژگی های لبه ها و رئوس درون آن تعیین می شود. در این تحقیق که بر روی انواع داده های شبکه های اجتماعی از پایگاه داده دانشگاه استنفورد انجام شد، از روش پیش پردازش با استفاده از الگوریتم استعماری رقابتی برای عملیات انتخاب ویژگی هایی با بالاترین شایستگی (کمترین هزینه) استفاده شد. برای ارزیابی تاثیر انتخاب ویژگی بر خروجی نهایی، آزمایش هایی با و بدون عملیات انتخاب ویژگی با استفاده از الگوریتم های مختلف که معمولا در این زمینه استفاده می شوند، انجام شد. شاخص های معتبر مانند دقت، تشخیص، حساسیت و عمده به طور مستقل بر روی نتایج خروجی با میانگین ۱۰ اجرای برنامه اندازه گیری شدند. مقایسه نتایج بین سناریوهای با و بدون انتخاب ویژگی تاثیر قابل توجهی بر همه شاخص های نتیجه نهایی نشان داد. بسیاری از ویژگی ها در مجموعه داده ها یا استفاده نشده بودند یا حاوی حداقل اطلاعات بودند. حذف نکردن این ویژگی ها نه تنها بار محاسباتی را افزایش داد، بلکه بر دقت نتایج خروجی به دلیل اجرای زمان بر تاثیر گذاشت.

کلیدواژه ها:

پیش بینی لینک ، الگوریتم های فرااکتشافی ، پیش پردازش داده ها