ارائه مدلی برای پیشبینی لینک در شبکه های اجتماعی مبتنی بر الگوریتم بهینه سازی Imperialist Competitive

شبکه های اجتماعی عمدتا در قالب نمودارهایی با تعداد روس و لبه های زیاد و در قالب ماتریس مجاورت نمایش داده می شوند. این تحقیق بر روی انواع داده های شبکه های اجتماعی از پایگاه داده دانشگاه استنفورد انجام شد و در مدل پیشنهادی داده های ورودی قبل از فرآیند اصلی پالایش و 'پیش پردازش' می شوند، به منظور تاثیر هر چه بیشتر عملیات پیش پردازش و انتخاب ویژگی بر روی مدل، از الگوریتم رقابت استعماری استفاده شد و ویژگی ها با بیشترین شایستگی (کمترین هزینه) انتخاب شدند. در آزمایش های ارزیابی تاثیر انتخاب ویژگی بر خروجی نهایی، مدل طراحی شده یک بار با عملیات انتخاب ویژگی و یک بار بدون آن اجرا شد. و برای اطمینان از اینکه عملیات اصلی سیستم (الگوریتم پیشبینی لینک اصلی) در نتیجه دخیل نیست، عملیات اصلی از طریق الگوریتم های مختلف شناخته شده و کاربردی در این زمینه و درصد دقت نتایج خروجی پیاده سازی شد. نتایج به دست آمده حاصل میانگین اجرای برنامه ۱۰ بار به طور مستقل است. با مقایسه نتایج بین این دو حالت، نشان می دهد که استفاده از این مرحله می تواند تاثیر بسزایی در نتایج نهایی داشته باشد، زیرا این مجموعه داده ها بسیار گسترده هستند و ویژگی های زیادی از آنها به دست می آید که تعداد زیادی از آنها یا بی فایده هستند یا اطلاعات زیادی ندارند. درگیر کردن این ویژگی ها در محاسبات پیشبینی لینک اصلی نه تنها بار محاسباتی را افزایش می دهد، بلکه به دلیل زمان بر بودن اجرا، بر دقت نتایج خروجی نیز تاثیر می گذارد.

کلیدواژه ها:

پیش بینی لینک ، الگوریتم های فراابتکاری ، پیش پردازش داده ها ، مشکلات کالبدی داده ، شبکه های اجتماعی کامپیوتری