یک روش ترکیبی خوشه بندی و الگوریتم رقابت استعماری برای پیش بینی پیوند در شبکه های اجتماعی

یک روش ترکیبی خوشه بندی و الگوریتم رقابت استعماری برای پیش بینی پیوند در شبکه های اجتماعی

امروزه، پیش بینی پیوند در شبکه های اجتماعی در حال توسعه و گسترش می باشد. به گونه ای که پیوندهای ارتباطی بین کاربران ها در شبکه های اجتماعی دائما درحال افزایش، تحول و بهره برداری به وفور بوده و همچنین، روزانه کاربران بسیاری در اقسا نقاط جهان به این شبکه اجتماعی بزرگ افزوده می شوند.

از این رو، کاربرد روزافزون این شبکه ها و هم حفظ حضور کاربران شبکه ها، امری مهم و چالش برانگیز است. از آنجا که ساختار این شبکه ها، براساس ساختار گراف شبکه می باشد، پیش بینی پیوندها را در این تحقیق مورد بررسی قرار می دهیم. با توجه به اینکه مسائل بهینه سازی، نوعی از مسائل np-hard می باشد، برای بهینه سازی دقیق تر گراف و پیش بینی پیوند موثرتر از الگوریتم رقابت استعماری که یک مسئله بهینه سازی می باشد، استفاده می کنیم.

در این پایان نامه، ابتدا یک روش پیش بینی پیوند در شبکه های اجتماعی با رویکرد انتخاب ویژگی براساس الگوریتم رقابت استعماری پیشنهاد می گردد. در ابتدا داده ها، با الگوریتم k-means خوشه بندی می شوند. سپس، در رویکرد پیشنهادی از انتخاب ویژگی استفاده می شود به این ترتیب که الگوریتم رقابت استعماری بت تابع برازندگی پیرسون، بهترین ویژگی ها را در بین ویژگی های موجود انتخاب می کند و سپس مجددا عملیات خوشه بندی بر روی داده ها با ویژگی های جدید صورت می پذیرد. تا ویژگی های موثر در خوشه بندی توسط این الگوریتم استخراج شود.

سپس با استفاده از درخت تصمیم روش پیشنهادی، ورود کاربر جدید درساختار اراده شده، مشخص می گردد که کاربر جدید به کدام خوشه تعلق دارد. در نهایت از الگوریتم پیش بینی پیوند friendlink ، برای پیش بینی پیوند براساس ساختار الگوریتم پیشنهادی استفاده می شود. در ارزیابی روش پیشنهادی از دیتاست pokec برای شبکه اجتماعی استفاده می کنیم و از مقادیر دقت، صحت، بازخوانی و f-measure در ارزیابی استفاده می شود. نتایج بدست آمده نشان می دهد که روش پیشنهادی نسبت به سایر رویکردهای مورد بررسی، کارایی و دقت بالاتری را دارد.