پیش بینی لینک در شبکه های اجتماعی با استفاده از ماشین بردار پشتیبان

پیش بینی لینک در شبکه های اجتماعی با استفاده از ماشین بردار پشتیبان

چکیده:

شبکه های اجتماعی بسیار پویا، پراکنده و دارای ساختاری پیچیده هستند به همین دلیل پیش بینی ارتباطات در این حوزه بسیار دشوار است. پیش بینی یکی از جنبه های جذاب در داده کاوی است و اخیرا توجه بسیاری از محققان را به عنوان یک روش موثر برای تجزیه و تحلیل شبکه اجتماعی خود جلب کرده است. پیش بینی لینک در شبکه های اجتماعی علاوه بر اینکه برای درک ارتباط بین گره ها در جوامع اجتماعی است و محبوبیت های بعدی شبکه هارا تضمین می کند در زمینه های چالش برانگیز دیگر مانند رفتارهای اجتماعی افراد، ارزیابی کمی و کیفی روابط انسانی در عصر جامعه اطلاعاتی و همچنین در زمینه های کتابشناختی، زیست شناسی مولکولی، تحقیقات جنایی و سیستم های توصیه کننده یا همان پیشنهادگر بسیار موثر است. پیش بینی لینک به زبان ساده یعنی هدف این است که لیستی از افرادی را که یک کاربر، احتمالا با آنها ارتباط برقرار خواهد کرد، به او پیشنهاد دهیم اما بسیاری از لینک های که در شبکه وجود ندارد می تواند در آینده ایجاد شوند بنابراین پیش بینی لینک های از دست رفته در شبکه های اجتماعی و یا لینک احتمالی که در آینده بوجود خواهد آمد، می تواند خود یک چالش باشد. هر چند این مساله به صورت گسترده ای مورد مطالعه و بررسی قرار گرفته است. با این حال، مشکل چگونگی ترکیب بهینه و موثراطلاعات حاصل از ساختار شبکه با داده های توصیفی فراوان مربوط به گره و یال، تا حد زیادی پاربرجا است.

ماشین بردار پشتیبان در پیش بینی لینک

الگوریتم SVM اولیه در 1963 توسط Vladimir Vapnik ابداع شد و در سال 1995 توسط Vapnik و Corinna Cortes برای حالت غیر خطی تعمیم داده شد. ماشین بردار پشتیبانی (Support vector machines) یکی از روش های یادگیری با نظارت (Supervised learning) است که از آن برای طبقه بندی و رگرسیون استفاده می کنند.

رویکرد SVM به این صورت است که در فاز آموزش، سعی می شود که مرز تصمیم گیری (Decision Boundry) به گونه ای انتخاب گردد که حداقل فاصله آن با هر یک از دسته های مورد نظر ماکزیمم گردد. این نوع انتخاب باعث می شود که تصمیم گیری ما در عمل، شرایط نویزی را به خوبی تحمل کند و پاسخ دهی خوبی داشته باشد. این نحوه انتخاب مرز بر اساس نقاطی به نام بردارهای پشتیبان انجام می شود.

مدلسازی رفتار داده ها در شبکه های اجتماعی با استفاده از روش SVM

فرض کنید که اطلاعات حاصل از رفتارهای مختلف یک شبکه اجتماعی را به صورت مجموعه زیر نمایش دهیم:

{(x₁,C₁),(x₂,C₂)…, (x_n,C_n)}

X_i یک نمونه از گره را نشان می دهد. به عنوان مثال x_i می تواند یک نمونه الگوی رفتاری یک گره در شبکه باشد. C_i کلاس یا طبقه مربوط به نمونه x_i را مشخص می کند. به عنوان مثال C_i می تواند نشان دهنده یک نمونه الگوی رفتاری x_i باشد.

پس از جمع آوری اطلاعات مربوط به نرم افزار، می توان از یک روش طبقه بندی برای ساخت یک مدل طبقه بندی جهت تفکیک نمونه های اطلاعاتی استفاده کرد. به عنوان مثال می توانیم مدل طبقه بندی بسازیم که الگوهای همکار و دوست را از هم تفکیک کند. یا می توانیم مدل طبقه بندی بسازیم که افراد با سابقه هم دانشگاهی بودن را از هم تفکیک کند.

روش طبقه بندی در این مدل

فرض کنیم مجموعه نقاط داده {(x₁,C₁),(x₂,C₂)…, (x_n,C_n)} را در اختیار داریم و می خواهیم آنها را به دو طبقه C_i=(-1,1) تفکیک کنیم. هر X_i یک بردار p بعدی از اعداد حقیقی است که در واقع همان متغیرهای بیانگر رفتار نرم افزار هستند.

روشهای طبقه بندی خطی، سعی دارند که با ساختن یک ابرسطح (که عبارت است از یک معادله خطی)، داده ها را از هم تفکیک کنند. روش طبه بندی ماشین بردار پشتیبان که یکی از روش های طبقه بندی خطی است، بهترین ابرسطحی را پیدا می کند که با حداکثر فاصله (maximum margin) داده های مربوط به دو طبقه را از هم تفکیک کند. به منظور درک بهتر مطلب، در شکل 1 تصویری از یک مجموعه داده متعلق به دو کلاس نشان داده شده که روش ماشین بردار پشتیبان بهترین ابرسطح را برای جداسازی آنها انتخاب می کند.

در شکل داده ها دو بعدی هستند یعنی هر داده تنها از دو متغیر تشکیل شده است.

نحوه تشکیل ابرسطح جداکننده توسط ماشین بردار پشتیبان

در این بخش می خواهیم نحوه ساخت ابرسطح جداکننده را بر روی یک مثال با جزئیات شرح دهیم. تصویر دقیقی از نحوه تشکیل ابرسطح جداکننده توسط ماشین بردار پشتیبان در شکل 2 نشان داده شده است.

ابتدا یک پوسته محدب در اطراف نقاط هر کدام از کلاسها در نظر بگیرید. در شکل 2 در اطراف نقاط مربوط به کلاس 1- و نقاط مربوط به کلاس 2+ پوسته محدب رسم شده است. خط p خطی است که نزدیکترین فاصله بین دو پوسته محدب را نشان می دهد.

h که در واقع همان ابرسطح جداکننده است، خطی است که p را از وسط نصف کرده و بر آن عمود است.

b عرض از مبدا برای ابرسطح با حداکثر مرز جداکننده است. اگر b صرف نظر شود، پاسخ تنها ابرسطح هایی هستند که از مبدا می گذرند. فاصله عمودی ابرسطح تا مبدا با تقسیم قدرمطلق مقدار پارامتر b بر طول W بدست می آید.

ایده اصلی این است که یک جداکننده مناسب انتخاب شود. منظور، جداکننده ای است که بیشترین فاصله را با نقاط همسایه از هر دو طبقه دارد. این جواب در واقع بیشترین مرز را با نقاط مربوط به دو طبقه مختلف دارد و می تواند با دو سطح ابرسطح موازی که حداقل از یکی از نقاط دو طبقه عبور می کنند، کران دار شود. این بردارها، بردارهای پشتیبان نام دارند. فرمول ریاضی این دو ابرسطح موازی که مرز جداکننده را تشکیل می دهند. در عبارت (1) و (2) نشان داده شده است:

(1)      W.x-b=1

(2)      w.x-b=-1

نکته قابل توجه این است که اگر داده های تعلیمی به صورت خطی تفکیک پذیر باشند، می توان دو ابر سطح مرزی را به گونه ای انتخاب کرد که هیچ داده ای بین آنها نباشد و سپس فاصله بین این دو ابرسطح موازی را به حداکثر رساند. با به کارگیری قضایای هندسی، فاصله این دو ابرسطح عبارت است 2/lwl، پس باید lwl را به حداقل رساند. همچنین باید از قرار گرفتن نقاط داده در ناحیه درون مرز جلوگیری کرد. برای این کار یک محدودیت ریاضی به تعریف فرمال اضافه می شود. برای هر i، با اعمال محدودیت های زیر اطمینان حاصل می شود که هیچ نقطه ای در مرز قرار نمی گیرد:

(3)      برای داده های مربوط به طبقه اول w.x_i-b≥1

(4)      برای داده های مربوط به طبقه دوم w.x_i-b≤-1

می توان این محدودیت را به صورت رابطه زیر نشان داد:

لذا این مساله بهینه سازی بدین شکل تعریف می شود:

به حداقل رساندن w، با درنظر گرفتن محدودیت زیر می باشد.

در روش ماشین بردار پشتیبان، بردارهای ورودی به یک فضای چند بعدی نگاشت می شوند. پس از آن، یک ابرسطح ساخته خواهد شد که با حداکثر فاصله ممکن، بردارهای ورودی را از هم جدا خواهد کرد. به این ابر سطح، ابرسطح با حداکثر مرز جداکننده گفته می شود. همانگونه که در شکل 1 نشان داده شده است، دو ابرسطح موازی در دو سمت ابرسطح با حداکثر مرز جداکننده ساخته خواهد شد که داده های مربوط به دو طبقه را به گونه ای از هم مجزا می کنند که هیچ داده ای در مرز بین این دو برسطح قرار نمی گیرد. ابرسطح با حداکثر مرز جداکننده، ابرسطحی است که فاصله بین دو ابرسطح موازی را به حداکثر می رساند. فرض بر این است که هرچقدر مرز جداکننده یا در واقع، فاصله بین دو ابرسطح موازی بیشتر باشد، خطای طبقه بندی هم کمتر خواهد بود.

نتایج

یکی از ویژگی های بسیار مهم در شبکه های اجتماعی پیش بینی لینک می باشد. با کمک روش های مختلف پیش بینی لینک می توان افراد را از وجود دوستان در چند قدمی آنها مطلع کرد. پیش بینی لینک به زبان ساده یعنی هدف این است که لیستی از افرادی را که یک کاربر، احتمالا با آنها ارتباط برقرار خواهد کرد، به او پیشنهاد دهیم اما بسیاری از لینک هایی که در شبکه وجود ندارد می تواند در آینده ایجاد شوند. بنابراین پیش بینی لینک های از دست رفته در شبکه های اجتماعی و یا لینک احتمالی که در آینده بوجود خواهد آمد، می تواند خود یک چالش باشد. هرچند این مساله به صورت گسترده ای مورد مطالعه و بررسی قرار گرفته است؛ با این حال، مشکل چگونگی ترکیب بهینه و موثر اطلاعات حاصل از ساختار شبکه با داده های توصیفی فراوان مربوط به گره و یال، تا حد زیادی پابرجا است.

معرفی کتاب

کتاب:

Advanced Methods for Complex Network Analysis

  که در سال 2016 توسط      Manisha Pujariمنتشر شده و شامل 17 بخش به شرح زیر است :

Chapter 1

On Vertex Cover Problems in Distributed Systems

Chapter 2

On k-Connectivity Problems in Distributed Systems

Chapter 3

Link Prediction in Complex Networks

Chapter 4

Design of Structural Controllability for Complex Network Architecture

Chapter 5

Triadic Substructures in Complex Networks

Chapter 6

Characterization and Coarsening of Autonomous System Networks: Measuring and Simplifying the Internet

Chapter 7

Connectivity and Structure in Large Networks

Chapter 8

A Study of Computer Virus Propagation on Scale Free Networks Using Differential Equations

Chapter 9

SNAM: A Heterogeneous Complex Networks Generation Model

Chapter 10

Social Network Analysis

Chapter 11

Evolutionary Computation Techniques for Community Detection in Social Network Analysis

Chapter 12

Differential Evolution Dynamic Analysis in the Form of Complex Networks

Chapter 13

On Mutual Relations amongst Evolutionary Algorithm Dynamics and Its Hidden Complex Network StrChapter 14

Wireless Body Area Network for Healthcare Applicationsuctures: An Overview and Recent Advances

Chapter 15

Application of Biomedical Image Processing in Blood Cell Counting using Hough Transform

Chapter 16

A Hybrid Complex Network Model for Wireless Sensor Networks and Performance Evaluation

Chapter 17

A Network Analysis Method for Tailoring Academic Programs

جهت تهیه این کتاب می توانید به لینک زیر مراجعه کنید:

http://www.igi-global.com/chapter/link-prediction-in-complex-networks/149415

دیتا ست های مقاله ارائه یک روش جدید پیش بینی لینک مبتنی بر اتوماتای توزیع شده در شبکه های اجتماعی و نتیجه حاصل ازمایش انها

نتایج آزمایش ها

در این بخش اثر الگوریتم پیشنهادی DLA-LP در شبکه های دنیای واقعی و همچنین عملکرد آن در برابر الگوریتم های سنتی پیش بینی لینک مبتنی بر شباهت مانند CN، Salton، Jaccard، Sorensen، HPI، HDI، LHN، PA، LP و Katz نشان داده می شود. تمامی آزمایش ها در سیستم عامل Microsoft windows 7 و نرم افزار Matlab 14.0 انجام شده اند.

دیتاست ها

در این مقاله به شش دیتاست مبنای ITN، Grid، PPI، NS، PB و USAir که هر یک نماینده زمینه خاصی می باشد، توجه شده است. جدول زیر خصوصیات توپولوژیکی بزرگترین کامپوننت متصل هر یک از این دیتاست ها که آزمایش بر روی آن صورت گرفته است را نمایش می دهد. در این جدول N و M به ترتیب تعداد گره ها و لینک های کل شبکه هستند. NUM_c تعداد کامپوننت های متصل و نیز سایز (نعداد گره های) بزرگترین کامپوزیت متصل است. به عنوان مثال 2/1222 نشان می دهد که شبکه دارای 2 کامپوننت متصل است و بزرگترین آنها شامل 1222 کره می باشد. همچنین e مقدار efficiency شبکه، C ضریب خوشه بندی و r ضریب assorative و K میانگین درجه شبکه می باشند.

بررسی میزان دقت نتایج DLA-LP

در هر آزمایش یال های موجود هر گراف به صورت تصادفی به 10 زیر مجموعه تقسیم می شوند. از این 10 زیرمجموعه، یک زیر مجموعه به عنوان داده های معتبر برای آزمایش الگوریتم حفظ می شود و بقیه 9 زیر مجموعه به عنوان داده های آموزشی استفاده می شود و بقیه 9 زیر مجموعه به عنوان داده های آموزشی استفاده می شوند. سپس برای بررسی دقت نتایج، ماتریس شباهت که عبارت است از ماتریس احتمالات اتوماتا پس از 100 تکرار، توسط معیارهای سنجش  AUC و precision بررسی می شود. مقادیر جدول های 2 و 3 به ترتیب حاصل از میانگین گیری بر روی مقادیر AUC و precision مربوط به 10 آزمایش مستقل است که برای تولید یک تخمین واحد، میانگین گیری شده اند.

جدول زیر  میانگین امتیاز AUC به دست آمده توسط الگوریتم پیشنهادی DLA-LP را در مقایسه با 10 الگوریتم مختلف بر روی 6 دیتا ست نشان می دهد. در این جدول، بالاترین امتیاز AUC مشاده شده برای هر دیتا ست ها به صورت ضخیم مشخص شده است. در مطالعات قبلی نشان داده شده است که به طور کلی شاخل Katz بهترین عملکرد AUC را بر روی دیتاست ها دارد اما همانطور که در این جدول می بینیم، در میان 11 الگوریتم، DLA-LP بالاترین امتیاز AUC را بر روی 4 دیتاست دارا بوده و نتایج به دست آمده بر روی 2 دیتاست دیگر نیز با توجه به امتیازات سایر الگوریتم ها از جمله Katz قابل قبول است. مقایسه جدول های 1 و 2 متوجه می شویم که امتیازهای AUC دیتاست با ضرایب خوشه بندی آنها تقریبا مناسب است و الگوریتم روی دیتاست هایی با ضریب خوشه بندی بالاتر، نتایج بهتری تولید می کند.

در جدول زیر مقدار precision الگوریتم DLA-LP در مقایسه با 3 الگوریتم مختلف و بر روی 6 دیتاست مقایسه شده و نتایج برای L=100 به نمایش در آمده است. بر اساس مطالعات گذشته شاخل LP بهترین عملکرد precision را بر روی دیتاست ها دارد. اما همانطور که در این جدول می بینیم، الگوریتم DLA-LP بر روی نیمی از دیتاست ها با اختلاف فاحشی دقت بالاتری را به دست آورده است. از مقایسه جدول های 1 و 3 متوجه می شویم که امتیازهای AUC دیتاست با مقدار efficiency آنها متناسب است و الگوریتم روی دیتاست هایی با efficiency بالاتر، نتایج بهتری تولید می کند دلیل آنکه DLA-LP به چنین نتایج خوبی دست می یابد این است که از هردوی اطلاعات همسایگان مشترک و توپولوژیک گراف استفاده می نمایند که منعکس کننده دو ساختار محلی و سراسری شبکه و یافتن می باشند.

ارائه یک روش جدید پیش بینی لینک مبتنی بر اتوماتای توزیع شده در شبکه های اجتماعی

چکیده:

با گسترش روزافزون نفوذ شبکه های اجتماعی، مسئله پیشبینی لینک به یکی از مسائل کلیدی در حوزه آنالیز این شبکه ها تبدیل شده است. اگر شبکه اجتماعی را به صورت یک گراف متصور شویم. هدف این مسئله برآورد احتمال ایجاد یک لینک جدید بین گره های فعلی گراف می باشد. پیش بینی لینک در حوزه های وسیعی از تجارت الکترونیک گرفته تا شناسایی پروه های تروریستی کاربرد دارد. در این مقاله یک روش جدید پیش بینی لینک مبتنی بر شباهت که از بردار احتمالات اتوماتای توزیع شده به عنوان امتیاز شباهت برای پیش گویی استفاده می کند، ارائه شده است. بدین منظور یک شبکه اتوماتای یادگیر توزیع شده متناظر با گره های گراف ایجاد می گردد. نتایج حاکی از آن است که روش پیشنهادی نسبت به روش های سنتی در برخی از دیتاست های استاندارد. دارای بهترین عملکرد است و در برخی دیگر نتایجی نزدیک به بهینه را داراست.

خلاصه حاصل از تجزیه و تحلیل مقاله

مسئله پیش بینی لینک

اگر فضای مسئله را به صورت یک گراف در نظر بگیریم آنگاه پیش بینی لینک عبارت است از پیش بینی میزان احتمال ارتباط بین دو گره گراف در آینده، با دانستن این که در وضعیت فعلی هیچ ارتباطی بین این گره ها وجود ندارد. بنا بر تعریف قراردادی پیش بینی لینک می تواند به صورت زیر فرموله شود: گرتف شبکه اجتماعی (V,E) داده شده است، یال e=(u,v)ЄE نشان دهنده تعامل بین گره های v و u در یک بازه زمانی مشخص است. برای زمان t≤t’ فرض می کنیم که G[t,t’] نمایانگر زیرگرافی از G است که شامل تمامی یا های G در بازه زمانی [t,t’] است. پس از انتخاب دو بازه زمانی [t₀,t’₀] و [t₁,t’₁] به طوریکه t’₀<t₁، الگوریتم پیش بینی لینک باید تنها با دسترسی به گراف G[t₀,t’₀]، در خروجی یال هایی را پیش بیینی کند که در گراف G[t₀,t’₀] وجود ندارند اما در گراف G[t₁,t’₁] به وجود خواهند آمد. بازه ی [t₀,t’₀] بازه آموزش و بازه [t₁,t’₁] بازه تست نامیده می شود.

فرموله کردن مسئله و روش های ارزیابی

در مقاله پیش رو، لینک های چندگانه و اتصال به خود وجود ندارد و شبه به صورت گرتف ساده و غیر جخت دار G=(V,E) تعریف شده؛ به طوری که V مجموعه گره ها، E مجموعه لینک ها، n=lVl تعداد گره های G و U مجموعه جهانی شامل تمامی لینک های ممکن G است.عمل پیش بینی لینک یافتن لینک های گمشده و یا لینک های ناموجودی است که در آینده ایجاد خواهد شد. هدف این روش اختصاص دادن یک امتیاز، score(x,y)، به هر زوج از گره ها UЄ(x,y) است. این امتیاز میزان شباهت بین دو گره را می گرداند. برای یک زوج گره ی (x,y) در U-E، score(x,y) بزرگتر، نشان دهنده ی احتمال بیشتر برای وجود یک لینک بین گره های x و y است. برای آزمایش دقت نتایج الگوریتم، لینک های مشاده شده ی E بصورت تصادفی به دو بخش تقسیم شده اند:

E^T: مجموعه آموزشی که به عنوان اطاعات شناخته شده مورد عمل قرار می گیرد.

E^p: مجموعه تست که اطلاعات آن برای آزمون دقت نتایج بوده و برای پیش بینی لینک استفاده نمی شود.

اجتماع دو مجموعه E^T و E^p برابر E و اشتراک آنها برابر Ф می باشد.

به عنوان مثال شکل زیر الف شبکه ای با 15 گره و 21 لینک موجود را نشان می دهد. هدف ما یافتن لینک های بالقوه ی 84 زوج گره غیر متصل است. برای آزمایش دقت الگوریتم نیاز است که برخی از لینک های موجود به عنوان مجموعه تست انتخاب شوند و بقیه به عنوان مجموعه آموزش، به عنوان نمونه 5 لینک به عنوان لینک های مجموعه تست، که در شکل 2.ب با خط چین نمایش داده شده، برگزیده شده اند. سپس الگوریتم تنها با استفاده از اطلاعات موجود در مجموعه آموزشی یا همان گراف آموزشی که در شکل 2.ب با خطوط پیسته نمایش داده شده است، عمل می کند. الگوریتم در نهایت امتیازی به هر یک از 89 زوج گره که شامل 84 لینک غیر موحود عضو U-E و 5 لینک تست عضو E^p می دهد. در اصل، یک الگوریتم پیش بینی لینک یک لیست مرتب شده از تمام لینک های مشاهده نشده (U-E^T) فراهم می کند یا به طور معادل برای تعیین احتمال وجود هر لینک مشاهده نشده، امتیاز S_xy را به آن نسبت می دهد به طوری که (x,y0ЄU-E^T. برای تعیین دقت الگوریتم های پیش بینی، دو معیار استاندارد AUC و Precision وجود دارد.

AUC

AUC عبارت است از سطح زیر نمودار ROC با منحنی مشخصه عملکرد سیستم. در یک پیاده سازی الگوریتمیک برای افزایش سرعت، اغلب به جای تولید یک لیست مرتب از امتیاز های شباهت، امتیاز هر لینک مشاهده نشده را محاسبه می کنیم. سپس هر بار به طور تصادفی یک لینک گمشده عضو E^p و یک لینک ناموجود عضو U-E برای مقایسه امتیازشان برگزیده می شوند، اگر از میان n مقایسه ی مستقل، n’ بار لینک گمشده امتیاز بیشتری داشته باشد و n” بار امتیاز مشابهی داشته باشد آنگاه امتیاز AUC عبارت است از:

اگر تمام امتیازها از یک توزیع یکسان و مستقل تولید شده باشند، AUC در حدود 0.5 است. بنابراین الگوریتمی که ارزش AUC آن از 0.5 تجاوز می کند، نشان دهنده ی اجرای بهتر الگوریتم نسبت به فقط شانس است

.

Precision

با در نظر گرفتن رتبه بندی تمام لینک ها مشاهده نشده، precision به عنوان نسبت آیتم های انتخاب شده ی مناسب به مجموع آیتم های انتخاب شده، تعریف می شود. به این ترتیب اگر از بین تمام لینک های مشاهده نشده، L لینک بالاتر در نظر گرفته شوند، از میان آنها m لینک درست پیش بینی شده باشند، precision به صورت زیر تعریف می شود:

الگوریتم پیشنهادی DLA-LP

شبکه ای از اتوماتاهای یادگیر متناظر با گره های گراف ایجاد می گردد. در این DLA هر اتوماتا معادل یک گره و هر اقدام، معادل یک یال می باشد. به دلیل کامل بودن گراف تعداد اقدام های هر اتوماتا در گرافی با n گره، برابر با n-1 است. خروجی DLA ترتیبی از اقدام های انتخاب شده توسط اتوماتاها می باشد که مسیری که با n گره تولید می کند. وجود گره های تکراری در مسیر بلامانع می باشد. این مسیر با توجه به میزان مطلوبیت (تابع برازش مسیر)، باعث پاداش به اقدام های واقع در ان می شود. در نهایت پس از چندین تکرار از بردار احتمالات DLA به عنوان امتیاز شباهت یال ها استفاده خواهد شد.

تابع برازش

یک تابع برازش برای اندازه گیری کیفیت هر مسیر تعیین شده و برای به روز رسانی احتمالات DLA استفاده خواهد شد. یک مسیر با بیشتر بودن لینک های موجود و گره های دارای ارتباط نزدیک، امتیاز کیفیت بالاتری خواهد داشت؛ زیرا هر زوج از گره های مجاور در چنین مسیری به احتمال بیشتری توسط یک لینک بالقوه متصل می شوند. بنابراین تابع برازش یک مسیر می تواند از دو جنبه اهمیت گره ها و اهمیت یال ها عمل برازش را انجام دهد. به طور کلی، اهمیت گره ها با معیارهای مرکزیت گره اندازه گیری می شود. مرکزیت های مختلف توابع مختلفی از گره ها را در شبکه به تصویر می کشد. از جمله توانایی گسترش و تاثیر گرف. مرکزیت مبتنی بر درجه ساده ترین این معیارها است. به طور کلی درجه مرکزیت بالاتر یک گره، اهمیت بیشتر ان گره و احتمال بیشتر لینک شدن آن با سایر گره ها را نشان می دهد. بنابراین یک تعریف برازش برای یک مسیر می تواند از حاصل جمع درجات گره های ان مسیر به دست آید.

به روز رسانی احتمال ها

پس از هر تکرار و پیدا کردن یک مسیر، الگوریتم احتمال اقدام های اتوماتاهای فعال شده را به طبق رابطه زیر به روز رسانی می کند. بدین ترتیب که امتیاز برازش مسیر محاسبه می شود و با امتیاز برازش بهترین مسیری که تا به حال توسط الگوریتم ایجاد شده است مقایسه می گردد. بر اساس نتیجه مقایسه، بردار احتمال اقدام DLA به روز رسانی خواهد شد، بدین صورت که اگر امتیاز برازش مسیر ایجاد شده بزرگتر و یا مساوی امتیاز برازش بهترین مسیری که تا به حال ایجاد شده است باشد، همه اتوماتاهای یادگیر فعال شده، اقدام انتخابی خود را طبق الگوریتم یادگیری، پاداش می دهند. به عنوان مثال در صورتی که در تکرار (t) امتیاز برازش مسیر ایجاد شده بزرگتر و یا مساوی امتیاز برازش بهترین مسیر باشد و یک اتوماتای یادگیر DLA از مجموعه اقدام های مجاز خود اقدام i را انتخاب کرده باشد، بر اساس احتمال انتخاب اقدام i در تکرار (t+1) طبق رابطه زیر افزایش خواهد یافت.

 

نتیجه گیری

با توجه به اهمیت شبکه های اجتماعی و مسئله پیش بینی لینک، در این مقاله یک روش پیش بینی لینک مبتنی بر اتوماتای یادگیر توزیع شده پیشنهاد شده است که سعی می کند با پیمایش گراف به صورت احتمالی مجموعه ای از لینک های محتمل آینده را پیش بینی کند. نتایج آزمایش ها حاکی از عملکر خوب الگوریتم پیشنهادی بر روی تعدادی از دیتاست های استاندارد شبکه اجتماعی در مقایسه با سایر روش ها می باشد. این عملکر خوب ناشی از به کارگیری اطلاعات همسایگان مشترک و توپولوژیک گراف و نیز استفاده از اتوماتای یادگر تصادفی به صورت توزیع شده است که می تواند عملکرد خود را بر اساس بازخورد محیط اصلاح کرده و مسئله را به سمت پاسخ بهینه هدایت کند.

ارائه یک بهبود برای الگوریتم پیش بینی لینک آدامیک آدار

چکیده

پیش بینی همکاری دو نویسنده با استفاده از علائق تحقیقاتی آنها از مسائل مهمی است که میتواند پژوهشهای گروهی را بهبود بخشد. یکی از مسائل اصلی در تحلیل شبکه های اجتماعی پیش بینی لینک میباشد. نوعی از شبکه های اجتماعی، شبکه ی اجتماعی نویسندگان همکار است، که یکی از پراستفاده ترین مجموعه های داده ای برای مطالعه می باشد.اگر ما یک شبکه ی اجتماعی را با گراف نمایش دهیم، پیش بینی لینک به معنای پیش بینی یال هایی است که در آینده بین گرههای شبکه بوجود خواهند آمد. از خروجی الگوریتم های پیش بینی لینک در حوزه های مختلفی مانند سیستم های پیشنهاد دهنده استفاده میشود  تحقیقات بسیار کمی در حوزهی پیش بینی لینک وجود دارند که از محتوای منتشر شده توسط گره ها برای پیش بینی لینک میان آنها استفاده نمایند.در این تحقیق، یک الگوریتم در جهت بهبود الگوریتم آدامیک آدار، که یکی از بهترین الگوریتمهای پیش بینی لینک است، توسعه داده شده است. این الگوریتم با استخراج زمینه های کاری نویسندگان از طریق تحلیل مقالات منتشر شده توسط آنان و ترکیب آن با معیار آدامیک آدار به پیش بینی ارتباط نویسندگان در آینده می پردازد. نتایج آزمایشات روی مجموعه ی داده ای SID، که یک مجموعه ی داده ای نویسندگان همکار است، نشان می دهند که الگوریتم ارائه شده از همه ی الگوریتم های پیش بینی لینک مبتنی بر ساختار بهتر عمل میکند. در نهایت، دلایل کارایی الگوریتم تحلیل و ارائه شده است 

خلاصه حاصل از تجزیه و تحلیل مقاله​:

روش حل مسأله

در این بخش روش پیشنهادی برای استخراج علاقمندیهای افراد و تشکیل بردار علاقمندی برای هر نویسنده را شرح خواهیم داد.به طور کلی این بخش شامل شش قسمت میباشد: بخش اول آماده سازی شبکه است، به صورتی که بتوان الگوریتم را به آن اعمال نمود. بخش دوم پردازش زبانی محتوای شبکه است. بخش سوم استخراج کلمات کلیدی مقالات می باشد.مرحله ی چهارم استخراج موضوع های مقالات و تشکیل بردار موضوع برای مقالات می باشد. در مرحله ی پنجم زمینه های کاری نویسندگان استخراج میشود. در نهایت، در مرحله ی ششم، بر اساس زمینه های کاری نویسندگان پیش بینی لینک انجام می شود. در ادامه هر کدام از این بخش ها را به طور جداگانه توضیح خواهیم داد.

نحوه ی آماده سازی شبکه

شبکه مورد بررسی در این تحقیق شبکه نویسندگان همکار سایت SIDمی باشد این شبکه به صورت داده  های خام  در فرمت XML می باشد. برای هر سال یک فایلXMLوجود دارد. ابتدا این فایلها را با یکدیگر ادغام می کنیم. سپس برای استفاده از این شبکه نیاز است که گراف مجموعه ی زمان آموزش و زمان تست از این شبکه استخراج شود. گراف مجموعه ی آموزش شامل نویسندگان مقالات و لینکهای بین آنها در سالهای 79 تا 84 میباشد. گراف آزمون شامل نویسندگان مقالات و لینکهای بین آنها در سالهای 85 تا 91 است. در این مرحله انواع مختلفی از نگاشت ها انجام می شود. این نگاشتها شامل موارد زیر میشوند:نگاشت مقاله ها به فایلXMLمربوطه: از آنجایی که این شبکه به صورتXMLذخیره شده است،به کمک این نگاشت می توان محل مقاله ی مورد نظر را در فایل XMLفایل مربوطه بدست آورد به کمک این نگاشت می توان به راحتی سایر اطلاعات مربوط به مقاله از جمله کلمات کلیدی مقاله، سازمان ارائه دهند مقاله لینک PDF مقاله و زمان گرداوری مقاله دست پیدا نمود.نگاشت مقاله به نویسندگان: به کمک این نگاشت میتوان نویسنده های هر مقاله را برحسب ID آنها بدست اورد.نگاشت نویسندگان به مقالات: به کمک این نگاشت می توان مقالات نوشته شده توسط هر نویسنده را بدست اورد.نگاشت مقالات به خلاصه مقاله: به کمک این نگاشت می توان به متن خلاصه ی هر مقاله دست پیدا نمود.نگاشت مقالات به کلمات کلیدی مقالات: به کمک این نگاشت می توان به کلمات کلیدی خلاصه ی هر مقاله دست یافت.نگاشت مقالات به کلمات ریشه ی کلمات کلیدی مقالات: به کمک این نگاشت می توان به ریشه ی کلمات کلیدی مستخرج از متن خلاصه ی مقالات دسترسی پیدا نمود.برای این نگاشت ها یک سری توابع نگاشت در هم استفاده میکنیم. از طریق تعریف کلید و مقدار  برای این توابع نگاشت ها را انجام می دهیم.

پردازش زبانی محتوای شبکه

در این بخش متن خلاصه ی هر مقاله مورد پردازش زبانی قرار گرفته تا در مراحل بعدی برای استخراج موضوع های مقالات از آن استفاده شود. برای این مرحله از ابزار پردازش زبان فارسی که توسط در مرکز تحقیقات مخابرات توسعه یافته استفاده شده است. این سیستم میتواند تمام اعمال مورد نیاز برای لایه های مختلف پردازش زبان فارسی، از لایه ی اولیه ی که لایه ی واژه است تا بالاترین لایه ی آن که صرف و نحو است، این ابزار کارهای مقابل را  آن انجام می دهد. تجزیه و تحلیل ریخت شناسی، تجزیه کننده ی وابستگی فارسی   نرمال سازی، قطعه بندی، غلط یابی املایی و برچسب زدن نقش معنایی انجام می دهد این ابزار با گرفتن داده ی خام فارسی، تحلیلهای معنایی و ریخت شناسی را روی آن انجام میدهد و این تحلیل ها شامل یکسان سازی نرمالسازی، قطعه بندی، ریشه یابی می باشند.در نتیجه با اضافه کردن این اطلاعات به متن خام میتوان با استفاده از تجزیه کننده ی وابستگی ParsiPardazدرخت تجزیه ی وابستگی ،  را برای جملات فارسی تولید نمود.

پردازشهایی که ما با استفاده از این ابزار انجام داده ایم شامل موارد زیر می باشند:

نرمال سازی متن: کاراکترهای کلمات خلاصه ی مقالات در این مرحله نرمال سازی می شود. برای مثال تبدیل ی عربی به ی فارسی و یا تبدیل کاراکترهای "اُ"، "اُ"، "اِ" به یک شکل متحد "ا". همچنین تبدیل کلمات "سَر"، "سُر" و "سِر" به یک شکل واحد "سر". قبل از هر پردازش زبانی سطح بالایی این تبدیل باید انجام شود. یعنی این کاراکترهای مشابه باید با یکدیگر یکی شوند. به این چالش موجود در زبان فارسی ابهام کدگذاری می گویند. برای حل این چالش از یکسان ساز استفاده شده است که کار نرمالسازی را انجام میدهد.قطعه بندی متن: در این مرحله قطعات متن مشخص می شوند. برای این مرحله نیز از ابزار پردازش زبان فارسی که توسط در مرکز تحقیقات مخابرات توسعه یافته استفاده شده است. این ابزار قطعه بندی متن را بر مبنای برخی محدودیتها و قوانین وابستگی نحوی و برخی ویژگیهای معنایی و نحوی انجام میدهد. در این روش تمامی واژه های مرکب به کمک نیم فاصله به یکدیگر متصل می شوند. برای مثال به جای "آمده است" از "آمدهاست" استفاده می شود. ازآنجاییکه در مراحل بعدی، یعنی استخراج موضوعهای مقاله، مرز میان کلمات با کاراکتر فاصله مشخص می شود، بنابراین از قطعه بندی استفاده شد که با کنار هم قرار دادن کلمات مرکب با نیم فاصله در کنار یکدیگر و قرار دادن کاراکتر فاصله مرز کلمات را مشخص می نماید.این دو ابزار در سطح اول جعبهابزار پردازش زبان فارسی ParsiPardaz یعنی سطح واژه قرار می گیرند.

استخراج کلمات کلیدی

در این مرحله کلمات رایج غیر مفید از متن خلاصه ی کلمات حذف می شوند. در ابتدا تمامی اعراب و علائم نگارشی از متن حذف میگردند. سپس کلمات غیر مفید رایج از بین کلمات خلاصه حذف می گردند. برای استخراج کلمات غیرمفید مراحل مختلف طی شد. این مراحل عبارتند از:حذف کلمات رایج زبان فارسی: لیستی از کلمات فارسی رایج زبان فارسی وجود دارد که به کمک این لیست حدوداً500کلمه ای، بخشی از کلمات رایج از متن خلاصه حذف گردیدند. حذف کلمات احترام از جمله مهندس، دکتر و ... حذف برخی از افعال بدست آوردن لیستی از کلمات رایج در میان تمامی مقاله ها به کمک روشtf/idfاین مرحله برحسب محتوای متنی هر شبکه می تواند لیست متفاوتی از کلمات را به کاربر ارائه دهد.استخراج ریشه ی کلمات کلیدی: در مراحل بعدی به دو صورت از کلمات کلیدی متن خلاصه ی مقالات استفاده شده است. یک بار کلمات کلیدی بدون در نظر گرفتن ریشه ی کلمات و یک بار با در نظر گرفتن ریشه ی کلمات. می توانیم ریشه ی کلمات را به جای خود کلمات به عنوان کلمه ی کلیدی در نظر بگیریم. از این طریق کلماتی مانند موضوع وموضوع ها با یکدیگر یکسان در نظر گرفته می شوند و در محاسبه ی شباهت بردارهای زمینه ی کاری افراد تأثیر خواهندداشت.برای استخراج ریشه ی کلمات از ابزار توسعه یافته در مرکز تحقیقات مخابرات استفاده شده است. ابزار ریشه یاب در سطح دوم این جعبه ابزار، یعنی سطح ریخت شناسی، قرار گرفته است. این ابزار برای استخراج ریشه ی کلمات تنها از ساختار کلمه استفاده می کند و مستقل از محتوای آن عمل می کند.این مرحله یکی از بخش های مهم الگوریتم محسوب می شود.

استخراج موضوع مقالات

در این قسمت تمامی مقالات موجود در مجموعه ی داده ای را با موضوع های استخراج شده برچسب می زنیم. در واقع برای هر مقاله ی موجود میزان تداخل آن مقاله با موضوع ها را محاسبه می کنیم مجموعهی اسناد را با D مجموعه ی کلمات موجود در دامنه را با V نشان می دهیم. در این مرحله این مجموعه شامل کلمات کلیدی استخراج شده در مرحله ی قبل می باشد. به این دلیل که کلمات ورودی الگوریتمLDAهرچه مفیدتر باشند و بیشتر مفهوم سند را نشان دهند الگوریتم مذکور عملکرد بهتری خواهد داشت A نشان دهنده ی مجموعه ی نویسندگان و Hنشان دهنده ی مجموعه ی موضوعات استخراج شده در این بخش میباشد. هرنویسنده در نوشتن تعدادی مقاله مشارکت داشته است که جزء مجموعه یDهستند. پس هر نویسندهی عضوAدر نوشتن مجموعه ی مقالاتی همکاری داشته است که این مجموعه را با Daنشان می دهند،کهaنشان دهنده ی کد نویسنده ی مقالات این مجموعه است. برای استخراج موضوع مقاله ها از الگوریتم LDAتوسعه یافته در مقاله ی استفاده شده است. علت استفاده ازLDAبرتری این روش نسبت به روش های مشابه استخراج موضوع است. این مدل موضوعی روی مجموعه های گسسته مانند مجموعه های متنی استفاده میشودLDAبه موضوع های زیادی از قبیل فیلتر کردن همکارانه طبقه بندی متن ها، ابهام زدایی حسی کلمات، و پیشنهاد جامعه اعمال شده است. LDAدر واقع یک مدل مولد برای متن و دیگر مجموعه های گسسته ی داده ای است.در زمینه ی مدلسازی متنی، این مدل مدعی است که هر سند به صورت ترکیبی از موضوع ها تولید شده است.بنابراین این الگوریتم با گرفتن متن اسناد و تعداد موضوع های درخواستی میزان تداخل اسناد با موضوع ها را به عنوان خروجی برمی گرداند. این الگوریتم برای هر مقاله یک ماتریس تعریف میکند.درایه های این ماتریس متناسب با میزان اولیه ی ارتباط کلمات با موضوع ها می باشند. این مقادیر معمولا برای تمام موضوع ها یکسان در نظر گرفته میشوند. مقدار بهینه ی این پارامتر در فصل بعد مورد بررسی قرار گرفته است. همچنین این الگوریتم برای هر کلمه یک ماتریس با ابعاد تعریف می کند. درایه های این ماتریس متناسب با میزان اولیه ی ارتباط اسناد با موضوع ها می باشند. این مقادیرنیز معمولاً برای تمام موضوع ها یکسان در نظر گرفته می شوند. مقدار بهینه ی این پارامتر نیز در فصل بعد مورد بررسی قرارگرفته است. LDAهر سند را به صورت یک توزیع چند جمله ای روی موضوع ها در نظر می گیرد. بدین صورت که برای هر کلمه که در سند وجود دارد توزیع موضوع روی کلمات را به ما خواهد داد، یعنی ماتریسی که سطرهای آن کلمات و ستونهای آن موضوعها هستند. یکی از ورودیهای الگوریتمKاست که تعداد موضوعهایی را نشان میدهد که انتظار داریم الگوریتم استخراج نماید. اگرkموضوع تعریف کنیم،یک ماتریس تعریف می شود که توزیع موضوعها را بر روی کلمات موجود در دامنه ی کلمات نشان می دهد. در واقع احتمال اینکه کلمه یwدر موضوعkام باشد نشان داده می شود. این مقادیر احتمال با چندین بار اعمال کردن الگوریتمLDAبه ماتریس اولیه بدست می آیند. مقدار بهینه ی تعداد این تکرارها در فصل بعد مورد بررسی قرار گرفته است. سپس از طریق این توزیع، توزیع سند روی موضوعها، با استفاده از کلمات استفاده شده در این سند و توزیع موضوعها روی این کلمات،محاسبه می شود. در واقع ماتریسی با ابعاد تعریف میشود. سطرهای این ماتریس مقالات و ستونهای آن موضوع ها میباشند. در نتیجه هر درایه ی این ماتریس نشان دهنده ی احتمال تعلق یک مقاله به یک موضوع خاص میباشد. در واقع احتمال اینکه سندDiبا موضوعkام مرتبط باشد برای هر مقاله مجموع این مقادیر برابر با 1 می باشد این مقادیر احتمال نیز با چندین بار اعمال کردن الگوریتمLDAبه ماتریس اولیه بدست می آیند. مقدار بهینه ی تعداد این تکرارها نیز در فصل بعد مورد بررسی قرار گرفته است. به طور کلی ما برای هر کاربر شبکه ی اجتماعی و در واقع برای هر مقاله یک بردار تعریف میکنیم که نشان دهنده ی توزیع موضوعی آن مقاله می باشد. سپس از این توزیعهای موضوعی برای بدست آوردن زمینه های کاری نویسندگان استفاده کرده و سپس از تخمین شباهت زمینه های کاری نویسندگان برای پیشبینی لینک بین آنها استفاده میکنیم. این توزیع موضوعی در واقع به صورت ماتریسی که درایه های آن تداخل موضوعی مقالات با موضوعهای تعریف شده را نشان میدهد نمود پیدا میکند. در نهایت، به عنوان خروجی این مرحله از الگوریتم، به تعداد مقالات موجود در مجموعه ی داده ای بردار موضوع داریم، که درایه های این بردارها میزان تداخل سند مربوطه با موضوعات استخراج شده را نشان می دهند.استخراج زمینه های کاری نویسندگان در این مرحله، با استفاده از بردارهای بدست آمده در مرحله ی قبل، برای تمامی نویسندگان یک بردار علاقمندی می سازیم. درایه های این بردارها نشان دهنده ی میزان علاقمندی نویسنده ی مورد نظر به زمینه ی کاری مربوطه است. تعداد درایه های این بردارها با تعداد درایه های بردارهای موضوعی مقالات برابر میباشد. در واقع می توان به کمک موضوع های هر مقاله، زمینهی کاری هر نویسنده را نیز مشخص نمود. بر این اساس زمینه ی کاری هر نویسنده از میانگین موضوعهای تمامی مقاله های نوشته شده توسط وی بدست می اید. برای استخراج زمینه های کاری نویسندگان روشهای مختلفی ازجمله ماکزیمم گیری بین موضوعهای مقالات نویسنده نیز بررسی شد که در مجموع این روش مناسب تر از بقیه بود.لازم به ذکر است که تعداد موضوع های استخراج شده برای تمامی مقاله ها و نویسندگان یکسان و برابر بوده و علاوه برآن عنوان موضوع ها نیز یکسان می باشد. به عنوان مثال اگر 100 موضوع برای هر مقاله مشخص شود، تمامی نویسندگان نیز دارای همین 100 موضوع میباشند. میزان ارتباط هر نویسنده با هر موضوع به کمک عدد احتمال اطلاق شده به آن موضوع برای مقالات نوشته شده توسط آن نویسنده محاسبه میشود. هر فرد نویسنده ی تعدادی مقاله میباشد. برای بدست آوردن میزان فعالیت نویسنده ها در زمینه های کاری مختلف میانگین درایه های متناظر در بردارهای موضوع مقالات منتشر شده توسط این نویسنده را محاسبه میکنیم و آنها را در برداری به نام بردار علاقمندی قرار میدهیم.

 پیش بینی لینک بر اساس میزان شباهت زمینه های کاری نویسندگان

در این روش میزان احتمال ایجاد لینک میان دو نویسنده که قبلا با یکدیگر همکاری نداشته اند، متناسب با میزان شباهت بردارهای زمینه کاری این دو نویسنده با یکدیگر میباشد. برای محاسبه ی میزان شباهت از فرمول شباهت کسینوسی استفاده شده است. شباهت کسینوسی یک معیار شباهت بین دو بردار است که کسینوس زاویه ی بین دو بردار را محاسبه می نماید. کسینوس صفر برابر با یک است، در نتیجه اگر دو بردار بر یکدیگر منطبق باشند میزان شباهت آنها برابر با یک میباشد. واضح است که این مقدار بیشترین میزان شباهت ممکن بین بردارها را نشان میدهد. در واقع اگر بردارهای علاقمندی دو نویسنده کاملاً بر هم منطبق باشند میزان شباهت این دو نویسنده برابر با 1 در نظر گرفته میشود. برای هر زاویه ی دیگری این میزان کمتر از 1 می باشد. اگر دو بردار با زاویه ی 90 درجه از یکدیگر در فضا قرار گیرند شباهت کسینوسی آنها برابر با صفر میباشد. واضح است که این مقدار کمترین میزان شباهت بین بردارها را نشان می دهد.چون شباهت کسینوسی در فضای مثبت محاسبه میشود، در نتیجه مقدار شباهت بین بردارها عددی بین صفر و یک است. در بازیابی اطلاعات و استخراج متون نیز از این معیار برای تخمین میزان شباهت بردار سند و بردار پرس وجو و یا تشابه بردارهای دو سند استفاده میشود. همچنین در داده کاوی از این روش برای تخمین انسجام خوشه ها استفاده میگردد . دلیل استفاده از شباهت کسینوسی این است که این معیار خیلی برای ارزیابی مؤثر واقع میشود، بخصوص برای بردارهای خلوت ، چون تنها مقادیر غیر صفر در نظر گرفته میشوند. به این دلیل که بردارهای علاقمندی نویسندگان عموماً خلوت هستند ما از این معیار استفاده کردهایم. شباهت کسینوسی دو بردار به صورت زیر محاسبه میگردد:

در این فرمولB و Aبردارهای زمینه ی کاری دو نویسنده هستندKبرابر با تعداد موضوع ها میباشد. در ادامه طبق فرمول زیر به محاسبه ی میزان شباهت میان دو نویسنده با یکدیگر پرداخته میشود، که مشاهده می شود که از ترکیب معیار آدامیک آدار و شباهت کسینوسی بردارهای بدست آمده استخراج شده است:

طبق این فرمول هر چقدر محتوای موضوع های دو نویسنده شبیه به یکدیگر باشد به اضافه ی آن که گرهی مشترک میان دو نویسنده دارای درجه ی کمتری باشد، آن دو بیشتر به یکدیگر شبیه هستند و احتمال بیشتری دارد که در آینده با یکدیکر لینک بر قرار نمایند. علت این است که هر چقدر درجه ی نویسنده ی مشترک کمتر باشد بهتر است و نشان دهنده ی آن است که گرهی مذکور داری شباهت بیشتری به این دو نویسنده بوده است، تا اینکه نویسندهی مشترک دارای همکارهای مشترک زیادی باشد. این معیار ترکیب شباهت محتوایی گرهها با معیار آدامیک آدار می باشد. در واقع در معیار آدامیک آدار شباهت محتوایی نویسنده ها به یکدیگر در پیش بینی لینک دخیل نشده است.

نتایج

با توجه به نتایج بدست آمده، الگوریتم های آدامیک آدار و کتز از نتایج خوبی برخوردار هستند. در مقایسه ی روشهای پیشنهادی با سایر روشها می توان به این نتایج رسید که در دو نمودار زیر مشخص است:

طبق نتیجه ی این ارزیابی ها و تنظیم بهینه ی پارامترهای ورودی الگوریتم ، این روشها را با روشهای موجود درحوزه ی پیش بینی لینک مقایسه نمودیم. نتایج این مقایسه حکایت از این امر دارند که ترکیب محتوا و ساختار میتواند دقت الگوریتم های پیش بینی لینک را افزایش دهد.

منابع

ارائه یک بهبود برای الگوریتم پیش بینی لینک آدامیک آدار دکتر سید امید فاطمی، هیئت علمی، دانشگاه تهران حسنا سلیمان نژاد، دانشجوی فناوری اطلاعات، دانشگاه تهران