ارائه روشی بهبودیافته در شبکه های اجتماعی جهت پیش بینی پیوند در شبکه های چندلایه

نوع مقاله: مقاله پژوهشی

نویسندگان

1 دانشگاه باراجین قزوین

2 دانشگاه قزوین

چکیده

تجزیه و تحلیل شبکه­های مقیاس بزرگ پویا، اطلاعات مفیدی دراختیارمدیر شبکه قرارمی­دهد. پیش­بینی ارتباطات مفقود شده یا پیوندهای احتمالی که در آینده ممکن است وجود داشته باشند یک مساله مهم و جالب در شبکه­های اجتماعی می­باشد. در بسیاری از شبکه­های اجتماعی واقعی، ارتباطات را در چند لایه می­توان مدل‌سازی کرد. دراین مقاله، مسئله پیش­بینی پیوند در شبکه­های چندلایه مورد بررسی قرار گرفته است. در این مقاله، روش جدید پیش‌بینی پیوند در شبکه­های مالتی‌پلکس مبتنی بر الگوریتم­های مبتنی بر ساختار گراف و بدون ناظر مبتنی بر الگوریتم جستجوی گرانشی ارائه گردیده و از لایه­های مختلف در شبکه مالتی پلکس، جهت افزایش دقت، صحت و عملکرد الگوریتم پیش­بینی استفاده شده است. با انتخاب موثر معیارهای درون لایه­ای و بین لایه­ای مثل امتیاز انجمن­ها و انتساب عامل­ها به آن­ها از محورهای معماری پیشنهادی روشی ارائه‌شده، که بر کار­آیی و سرعت پاسخ موردنیاز اثر دارد. برای مقایسه کار پیشنهادی از معیار AUC استفاده گردیده. واز مجموعه دادهtravian  به‌عنوان مجموعه محک استفاده شده است. AUC محاسبه شده پیشنهادی 72/0 است. نتایج نشان می­دهد که استفاده از اطلاعات انجمنی با استفاده از الگوریتم گرانشی در شبکه­های چندلایه به بهبود فرآیند پیش­بینی پیوند کمک می­کند.

کلیدواژه‌ها


[1]   Kong, Xiangnan, Jiawei Zhang, and Philip S. Yu, “Inferring anchor links across multiple heterogeneous social networks,” Proceedings of the 22nd ACM international conference on Information & Knowledge Management, ACM, 2013.##
 [2]  Wang, Dashun, et al., “Human mobility, social ties, and link prediction,” Proceedings of the 17th ACM SIGKDD international conference on Knowledge discovery and data mining, Acm, 2011.##
 [3]  Bastami, Esmaeil, Aminollah Mahabadi, and Elias Taghizadeh, “A gravitation-based link prediction approach in social networks,” Swarm and evolutionary computation, vol. 44 pp. 176-186. 2019.##
 [4]  Wang, Huan, et al., “Nodes' evolution diversity and link prediction in social networks,” IEEE Transactions on Knowledge and Data Engineering 3.10, pp.     2263-2274, 2017.##
 [5    Konstas, Ioannis, Vassilios Stathopoulos, and Joemon M. Jose, “On social networks and collaborative recommendation,” Proceedings of the 32nd international ACM SIGIR conference on Research and development in information retrieval. ACM, 2009.##
 [6]  Tong, Hanghang, Christos Faloutsos, and Jia-Yu Pan, “Fast random walk with restart and its applications,” Sixth International Conference on Data Mining (ICDM'06), IEEE, 2006.##
 [7]  Menon, Aditya Krishna, and Charles Elkan, “Link prediction via matrix factorization,” Joint european conference on machine learning and knowledge discovery in databases, Springer, Berlin, Heidelberg, 2011.##
 [8]  Tang, Jiliang, et al., “Exploiting homophily effect for trust prediction,” Proceedings of the sixth ACM international conference on Web search and data mining, ACM, 2013.##
 [9]  Dunlavy, Daniel M., Tamara G. Kolda, and Evrim Acar, “Temporal link prediction using matrix and tensor factorizations,” ACM Transactions on Knowledge Discovery from Data (TKDD) 5.2, vol. 10, 2011.##
 [10] Sun, Yizhou, et al., “When will it happen?: relationship prediction in heterogeneous information networks,” Proceedings of the fifth ACM international conference on Web search and data mining, ACM, 2012.##
 [11] Yu, Xiao, et al., “Citation prediction in heterogeneous bibliographic networks,” Proceedings of the 2012 SIAM International Conference on Data Mining, Society for Industrial and Applied Mathematics, 2012.##
 [12] Domingos, Pedro, and Matthew Richardson, “1 markov logic: A unifying framework for statistical relational learning,” Statistical Relational Learning, vol. 339, 2007.##
 [13] Newman, Mark E. J., “Clustering and preferential attachment in growing networks,” Physical review E 64.2, 025102, 2001.##
[14] Lü, Linyuan, and Tao Zhou, “Link prediction in complex networks: A survey,” Physica A: statistical mechanics and its applications 390.6,  pp. 1150-1170, 2011.##
 [15] Zhou, Tao, Linyuan Lü, and Yi-Cheng Zhang, “Predicting missing links via local information,” The European Physical Journal B71.4, pp. 623-630. 2009.##
 [16] Bliss, Catherine A., et al., “An evolutionary algorithm approach to link prediction in dynamic social networks,” Journal of Computational Science 5.5, pp. 750-764. 2014.##
 [17]Zhang, Jiawei, Xiangnan Kong, and S. Yu Philip,” Predicting social links for new users across aligned heterogeneous social networks,” 2013 IEEE 13th International Conference on Data Mining, IEEE, 2013.‏##
[18]Leskovec, Jure, Daniel Huttenlocher, and Jon Kleinberg, “Predicting positive and negative links in online social networks,” Proceedings of the 19th international conference on World wide web, ACM, 2010.##
 [19]Lü, Linyuan and Tao Zhou, “Link prediction in complex networks: A survey,” Physica A: statistical mechanics and its applications 390.6, pp. 1150-1170, 2011.##
 [20]Zhang, Jiawei, Xiangnan Kong, and Philip S. Yu, “Transferring heterogeneous links across location-based social networks,” Proceedings of the 7th ACM international conference on Web search and data mining, ACM, 2014.##
 [21]Backstrom, Lars, Cynthia Dwork, and Jon Kleinberg, “Wherefore art thou r3579x?: anonymized social networks, hidden patterns, and structural steganography,” Proceedings of the 16th international conference on World Wide Web. ACM, 2007.##
[22]Wang, Dashun, et al., “Human mobility, social ties, and link prediction,” Proceedings of the 17th ACM SIGKDD international conference on Knowledge discovery and data mining, Acm, 2011.##
 [23]Clauset, Aaron, Cristopher Moore, and Mark E. J. Newman, “Hierarchical structure and the prediction of missing links in networks,” Nature 453.7191, vol. 98, 2008.##
 [24]Liben‐Nowell, David, and Jon Kleinberg, “The link‐prediction problem for social networks,” Journal of the American society for information science and technology 58.7, pp.    1019-1031, 2007.##
 [25]Wang, Huan, et al., “Nodes' evolution diversity and link prediction in social networks,” IEEE Transactions on Knowledge and Data Engineering 29.10, pp.   2263-2274, 2017.##
 [26] Pirotte, Alain, Jean-Michel Renders, and Marco Saerens, “Random-walk computation of similarities between nodes of a graph with application to collaborative recommendation,” IEEE Transactions on Knowledge & Data Engineering 3 pp. 355-369, 2007.##
 [27]Konstas, Ioannis, Vassilios Stathopoulos, and Joemon M. Jose, “On social networks and collaborative recommendation,” Proceedings of the 32nd international ACM SIGIR conference on Research and development in information retrieval. ACM, 2009.##
 [28] Tong, Hanghang, Christos Faloutsos, and Jia-Yu Pan, “Fast random walk with restart and its applications,” Sixth International Conference on Data Mining (ICDM'06), IEEE, 2006.##
[29] Menon, Aditya Krishna, and Charles Elkan, “Link prediction via matrix factorization,” Joint european conference on machine learning and knowledge discovery in databases, Springer, Berlin, Heidelberg, 2011.##