فاطمه رضایی - عضو هییت علمی، گروه مهندسی کامپیوتر، دانشگاه بین المللی ا مام رضا (ع)، مشهد، ایران
عادل قاضی خانی - دانشجوی کارشناسی ارشد، دانشگاه بین المللی امام رضا (ع)

پیش بینی پیوند یکی از ویژگی های بسیار مهم در شبکه های اجتماعی است که در حوزه های بسیاری مانند بازیابی اطلاعات، بیوانفورماتیک و تجارت الکترونیک، کاربرد دارد. مسیله ای که برای پیش بینی پیوند در شبکه ها وجود دارد این است که الگوریتم های موجود، فرض می کنند که هر گره فقط به یک جامعه تعلق دارد. در حالی که در شبکه های دنیای واقعی، هر گره متعلق به چندین جامعه است و اعضاء به صورت چندگانه با هم ارتباط دارند. هدف مقاله، این است که موضوع پیش بینی پیوند را که تاکنون در جوامع مجزا به آن پرداخته شده است، در جوامع همپوشان مورد بررسی قرار دهد. الگوریتم شامل سه مرحله ی تشخیص راس های همپوشان، محاسبه ی مشابهت و بخش پیش بینی پیوند می باشد. در مرحله ی تشخیص راس های همپوشان، ساختار مشابهت دو راس با توجه به وزن یال ها محاسبه شده، یال هایی که بدون وزن هستند، حذف و راس های همپوشان تشخیص داده می شوند. در انتها راس های جدا شده، مجددا متصل شده و جوامع همپوشانی پیدا می شوند. سپس احتمال پیش بینی پیوند در جوامع مجزا و همپوشان تحلیل و با استفاده از محاسبه ضریب، اثر آن، در راس همپوشان به دست می آید. آزمایش و مقایسه های صورت گرفته نشان می دهد که روش پیشنهادی نسبت به نمونه های مشابه خود، عملکرد و نتیجه ی بهتری دارد.

پیش بینی پیوند، همپوشانی جوامع، تشخیص جوامع، شبکه های اجتماعی، خوشه بندی