روشی نوین برای پیش بینی ارتباط در شبکه های اجتماعی ناهمگن

با گسترش روزافزون شبکه های اجتماعی، علوم شبکه مورد توجه بسیاری از پژوهشگران در زمینه های مختلف قرار گرفته است. علاوه بر آن بسیاری از مسایل کاربردی مهندسی با استفاده از ابزار شبکه های اجتماعی مدل سازی شده اند. پیش بینی تغییر و تحول در ساختار شبکه های اجتماعی یکی از مسایل اساسی در تحلیل شبکه های اجتماعی است که با عنوان مساله پیش بینی ارتباط در علوم شبکه شناخته می شود. امروزه با گسترش استفاده از شبکه های اجتماعی، فعالیت افراد در قالب چندین شبکه با عنوان شبکه های اجتماعی ناهمگن رواج پیدا کرده است. پیش بینی ارتباط در شبکه های اجتماعی ناهمگن را می توان بر اساس اطلاعات اضافی موجود نسبت به روش های قبلی مورد بهبود قرار داد. در رویکرد پیشنهادی این مقاله، ابتدا یک معیار شباهت جدید برای کاربران در شبکه های ناهمگن بر اساس توسعه روش های مطرح پیشین و با در نظر گرفتن ارتباط بین لایه های مختلف معرفی می شود، سپس با استفاده از رویکرد یادگیری باناظر و بهره گیری از ویژگی های تولیدشده بر مبنای معیار شباهت معرفی شده، الگوریتم پیشنهادی مورد تشریح قرار می گیرد. برای ارزیابی روش پیشنهادی از معیارهای استاندارد همانند دقت و صحت بهره گرفته ایم. مقایسه روش پیشنهادی با روش های شناخته شده پیشین بر روی مجموعه داده های مختلف نشان می دهد که روش پیشنهادی ما برای پیش بینی ارتباط از عملکرد بهتر و مطلوب تری برخوردار است به طوری که از نظر صحت تا 20 درصد موجب بهبود عملکرد شده است.