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

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,124

فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

IRANWEB01_026

تاریخ نمایه سازی: 29 شهریور 1394

چکیده مقاله:

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.

نویسندگان

شمسی یزدی

دانشجوی کارشناسی ارشد، دانشگاه آزاد اسلامی واحد میبد، گروه کامپیوتر، میبد، ایران

کمال میرزایی

عضو هیئت علمی، دانشگاه آزاد اسلامی واحد میبد، گروه کامپیوتر، میبد، ایران

محمدتقی موسی زاده میبدی

عضو هیئت علمی، دانشگاه علم و هنر، واحد یزد، گروه برق، یزد، ایران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Li, L. and Zhou, T., "Link prediction in complex networks: ...
  • communic ation surveillance, " INFORMS Journal on Computing, vol. 21, ...
  • Liben - Nowell, D. and Kleinberg, J., "The link - ...
  • management, pp. 1163-168, 2011. ...
  • Al Hasan, M .and Zaki, M. J., "A survey of ...
  • Getoor, L. and Diehl, C. P., "Link mining: a survey, ...
  • management, pp. 1147-1156, 2011. ...
  • Volkova, S., "LINK PREDICTION IN SOCIAL NETWORKS, _ 2009. ...
  • Backstrom, L. and Leskovec, J., "Supervised random walks: predicting and ...
  • Lichtenwalter, R. N., Lussier, J. T., and Chawla, N. V., ...
  • Fire, M., Tenenboim, L , .Lesser, O., Puzis, R., Rokach, ...
  • Sherkat, E., Rahgozar, M., and Asadpour, M., "Structural link prediction ...
  • Dietterich, T. G., _ _ M achine-learning research, " AI ...
  • Boyd, D. M. and Ellison, N. B., "Social network sites ...
  • Manolopoulos, Y., "Fast and accurate link prediction in social networking ...
  • Adamic, L. and Adar, E., "How to search a social ...
  • Cukierski, W., Hammer, B., and Yang, B., "Graph- based features ...
  • A: Statistical Mechanics and its Applications, vol. 391, pp. 5769-5778, ...
  • Feyessa, T., Bikdash, M., and Lebby, G., "Node-pair feature extraction ...
  • Vorraboot, P., Rasmequan, S., Chinnasarn, K., and Lursinsap, C" , ...
  • Tsai, C.-F. and Chang, C.-W., "SVOIS: support vector oriented instance ...
  • Yang, Z. and Gao, D., "An active under-sampling approach for ...
  • Song, H. H., Cho, T. W., Dave , V., Zhang, ...
  • Tanha, J., van Someren, M., and Afsarmanesh, H., _ S ...
  • Protein-Protei Interaction (PPI) Network ...
  • Link Mining 3 Supervised ...
  • نمایش کامل مراجع