استفاده از دسته بند چندگانه به منظور پیش بینی پیوند بین موجودیت های یک شبکه اجتماعی

یک شبکه اجتماعی، ساختاری است شامل مجموعه ای از بازیگران که تعاملات میان آن ها به وسیله تعدادی پیوند نشان داده می شود.با گسترش روزافزون شبکه های اجتماعی در دنیا، لزوم استفاده از روش های دقیق تر جهت پیش بینی پیوند در شبکه های اجتماعیبیش ازپیش احساس می شود. پیش بینی پیوند فرایندی است که با در نظر گرفتن تصویر لحظه ای از شبکه، تعاملات احتمالی بیناعضا را می یابد. بسیاری از راه حل های موجود، خصوصاٌ روش هایی که کل گراف را پیمایش می کنند مدیریت مکانیسم های استنتاج رادچار مشکل می کنند. با توجه به این مسئله، شناخت و انتخاب ویژگی ها و نیز انتخاب روشی که بتواند در بهبود پیش بینی ها مؤثر باشدو با هزینه کمتر، پاسخ بهتری را در پیش بینی ها ارائه کند بسیار بااهمیت جلوه می کند. این مقاله بر اساس پیوندهای موجود در شبکهو ویژگی گره ها، با استفاده از چند دسته بند مختلف و سپس ترکیب نتایج خروجی دسته بند ها تحت عنوان «سیستم های دسته بندچندگانه» احتمال ایجاد پیوند جدید بین دو گره را تخمین می زند. آزمایش ها، روی گراف دو شبکه اجتمباعی Hi5 و Facebook نشانمی دهد که روش پیشنهادی نسبت به دسته بندهای منفرد و پایه از کارایی خوبی برخوردار بوده و دقت پیش بینی را افزایش می دهد.

کلیدواژه ها:

پیش بینی پیوند ، شبکه اجتماعی ، دسته بند چندگانه ، یادگیری جمعی ، تئوری گراف