چکیده
پیشبینی پیوند یک چالش بزرگ در شبکه های اجتماعی است که از ساختار شبکه ای برای پیشبینی پیوندهای آتی استفاده میکند. روشهای رایج پیشبینی پیوند برای پیشبینی پیوندهای مخفی از نمایش گراف ایستا استفاده میکنند که در آن تصویری از شبکه برای یافتن پیوندهای آتی یا مخفی مورد استفاده قرار میگیرد. برای مثال، پیشبینی پیوند مبتنی بر معیار تشابه، روش سنتی رایجی است که معیار تشابه را برای تمامی پیوندهای غیرمتصل محاسبه نموده، پیوندها را براساس معیارهای تشابه آنها مرتب نموده و پیوندهای با امتیاز تشابه بالاتر را به عنوان پیوندهای آتی برچس بگذاری میکند. از آنجاکه فعالیتهای افراد در شبکه های اجتماعی، پویا و غیرقطعی است، و ساختار شبکه ها با گذشت زمان تغییر میکند، استفاده از گراف های قطعی برای مدلسازی و تحلیل شبکه ی اجتماعی نمیتواند روش مناسبی باشد. در مسأله ی پیشبینی پیوند سری های زمانی، احتمال وقوع پیوند سری های زمانی برای پیشبینی پیوندهای آتی مورد استفاده قرار میگیرد. ما در این مقاله یک روش پیشبینی پیوند سری های زمانی مبتنی بر اتوماتای یادگیر را پیشنهاد میکنیم. در الگوریتم پیشنهادی برای هر پیوندی که قرار است پیشبینی شود، یک اتوماسیون یادگیری داریم و هر اتوماسیون یادگیری در تلاش است وجود یا عدم وجود پیوند متناظر را پیشبینی کند. برای پیشبینی احتمال وقوع پیوند در زمان T، یک دنباله ی متشکل از مراحل 1 تا T-1 داریم و اتوماسیون یادگیری این مراحل را میپیماید تا وجود یا عدم وجود پیوند مربوطه را بیاموزد. زمانیکه احتمال وقوع پیوند سری های زمانی را در نظر بگیریم، آزمایشات اولیه ی پیشبینی پیوند با شبکه های ایمیل و نویسندگی مشترک، نتایج رضایت بخشی را فراهم می آورد.
1-مقدمه
پیشبینی ایجاد پیوند بین اشیاء داده، کار جالبی در حوزه ی پژوهشی داده کاوی است. پیشبینی ایجاد هایپرلینک وب، پیشبینی ژنتیکی، برهمکنش های پروتئین-پروتئین، و مسأله ی ایجاد پیوند بین داده ها، مثال هایی از این حوزه هستند. در مسأله ی پیشبینی پیوند، نمود داده ها به صورت نمایش شبکه/گراف است. این داده ها را میتوان به شکل گراف تجسم نمود، در این گراف، هر رأس متناظر با یک فرد بوده و هر پیوند، فرمی از تناظر بین افراد مرتبط را نشان میدهد [1، 2]. مفهوم پیوند در شبکه ی اجتماعی معمولاً یک تقاطع مشترک از شبکه ی اجتماعی متناظر است...
میتوانید از لینک ابتدای صفحه، مقاله انگلیسی را رایگان دانلود فرموده و چکیده انگلیسی و سایر بخش های مقاله را مشاهده فرمایید.