دوره 16، شماره 4 - ( 12-1398 )                   جلد 16 شماره 4 صفحات 58-45 | برگشت به فهرست نسخه ها


XML English Abstract Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Eshaghpoor A, Salehi M, Ranjbar V. Providing a Link Prediction Model based on Structural and Homophily Similarity in Social Networks. JSDP 2020; 16 (4) :45-58
URL: http://jsdp.rcisp.ac.ir/article-1-859-fa.html
اسحاقپور علیرضا، صالحی مصطفی، رنجبر وحید. ارائه یک مدل پیش‌بینی یال مبتنی بر شباهت ساختاری و هوموفیلی در شبکه‌های اجتماعی. پردازش علائم و داده‌ها. 1398; 16 (4) :45-58

URL: http://jsdp.rcisp.ac.ir/article-1-859-fa.html


دانشگاه تهران
چکیده:   (2477 مشاهده)
در سال‌های اخیرشبکه‌های اجتماعی مجازی روز به روز در حال رشد و تغییر هستند. یال‌های جدید نشان‌دهنده تعاملات میان گره‌ها هستند و پیش‌بینی آن‌ها از اهمیت بالایی برخوردار است. معیارهای پیش‌بینی یال را می‌توان به دو گروه مبتنی بر همسایگی گره و مبتنی بر پیمایش مسیر تقسیم کرد. پژوهش‌گران ایجاد یال جدید در شبکه را از منظر نظری به دو علت نزدیکی در گراف و هوموفیلی نسبت می‌دهند. با وجود مطالعات بسیار در حوزه علوم شبکه مطالعه تأثیر دو رویکرد نظری در کنار یکدیگر در ایجاد یال‌ها مسئله‌ای باز محسوب می‌شود و تاکنون معیارهای شباهت مبتنی بر همسایگی گره از این منظر مطالعه نشده‌اند. در این پژوهش مدلی ارائه کردیم تا با استفاده از آن از مزایای هر دو رویکرد نزدیکی در گراف و هوموفیلی استفاده کنیم و با استفاده از آن توانستیم بر دقت معیارهای شباهت مبتنی بر همسایگی گره بیفزاییم. برای ارزیابی این پژوهش از دو مجموعه‌داده شبکه اجتماعی مجازی زنجان و شبکه اجتماعی مجازی پوکک استفاده شده است که مجموعه‌داده نخست برای این پژوهش جمع‌آوری و سپس تکمیل شده است.
 
متن کامل [PDF 3954 kb]   (540 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: مقالات پردازش داده‌های رقمی
دریافت: 1397/2/3 | پذیرش: 1398/4/19 | انتشار: 1399/2/1 | انتشار الکترونیک: 1399/2/1

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA

ارسال پیام به نویسنده مسئول


بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.

کلیه حقوق این تارنما متعلق به فصل‌نامة علمی - پژوهشی پردازش علائم و داده‌ها است.