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

تجزیه و تحلیل شبکه های مقیاس بزرگ پویا، اطلاعات مفیدی دراختیارمدیر شبکه قرارمی دهد. پیش بینی ارتباطات مفقود شده یا پیوندهای احتمالی که در آینده ممکن است وجود داشته باشند یک مساله مهم و جالب در شبکه های اجتماعی می باشد. در بسیاری از شبکه های اجتماعی واقعی، ارتباطات را در چند لایه می توان مدل سازی کرد. دراین مقاله، مسئله پیش بینی پیوند در شبکه های چندلایه مورد بررسی قرار گرفته است. در این مقاله، روش جدید پیش بینی پیوند در شبکه های مالتی پلکس مبتنی بر الگوریتم های مبتنی بر ساختار گراف و بدون ناظر مبتنی بر الگوریتم جستجوی گرانشی ارایه گردیده و از لایه های مختلف در شبکه مالتی پلکس، جهت افزایش دقت، صحت و عملکرد الگوریتم پیش بینی استفاده شده است. با انتخاب موثر معیارهای درون لایه ای و بین لایه ای مثل امتیاز انجمن ها و انتساب عامل ها به آن ها از محورهای معماری پیشنهادی روشی ارایه شده، که بر کار آیی و سرعت پاسخ موردنیاز اثر دارد. برای مقایسه کار پیشنهادی از معیار AUC استفاده گردیده. واز مجموعه دادهtravian  به عنوان مجموعه محک استفاده شده است. AUC محاسبه شده پیشنهادی 72/0 است. نتایج نشان می دهد که استفاده از اطلاعات انجمنی با استفاده از الگوریتم گرانشی در شبکه های چندلایه به بهبود فرآیند پیش بینی پیوند کمک می کند.