ارائه یک معیار مشابهت جهت پیش بینی پیوند در شبکه های اجتماعی

یک شبکه اجتماعی، ساختاری متشکل از افراد یا سازمان ها است. تحلیل شبکه های اجتماعی، مبتنی بر رویکردی است که در آن شبکه را به صورت مجموعه ای از گره ها و روابط میان آن ها درنظر می گیرد. گره ها شامل اشخاص و موجودیت های درون شبکه هستند که با یکدیگر در تعامل ند و در واقع بازیگران درون شبکه محسوب می شوند که روابط میان آن ها به صورت اتصالاتی بین گره ها نمایش داده می شود. باتوجه به تعداد رو به رشد کاربران شبکه های اجتماعی، تحلیل روابط حاکم بر آن، پیش بینی پیوند ها و تعامل های ناشی از ارتباط میان گره ها (پیش بینی لینک یا پیوند، یعنی پیش بینی تعامل جدیدی که قرار است در آینده رخ دهد) از چالش های جدی در شبکه های اجتماعی می باشد. ما در این مقاله یک معیار شباهت جدید برای پیش بینی لینک در شبکه های اجتماعی را پیشنهاد می دهیم. این معیار را با چهار روش پیش بینی لینک Jaccard، Salton Index، Salton Cosine و Resource Allocation مقایسه می کنیم. ما شبیه سازی معیار پیشنهادی خود را بر روی پنج مجموعه داده در شبکه های اجتماعی، انجام می دهیم. نتایج شبیه سازی نشان می دهد که معیار پیشنهادی ما عملکرد بهتری نسبت به سایر روش های پیش بینی پیوند در شبکه های اجتماعی برروی همه دیتاست ها را دارد. تجزیه و تحلیل شبکه های اجتماعی به دلیل کاربرد گسترده آن در ثبت تعاملات اجتماعی اخیرا توجه بسیاری را در بین محققان به خود جلب کرده است. پیش بینی پیوند، مربوط به احتمال وجود پیوند بین دو گره شبکه که متصل نیستند، یک مشکل کلیدی در تحلیل شبکه های اجتماعی است. روش های زیادی برای حل مشکل پیشنهاد شده است. در میان این روش ها، روش های مبتنی بر شباهت با درنظرگرفتن ساختار شبکه و استفاده به عنوان معیاری اساسی از تعداد همسایه های مشترک بین دو گره برای ایجاد شباهت ساختاری، کارایی خوبی از خود نشان می دهند.