کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
4946137 1439269 2017 13 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Efficient incremental dynamic link prediction algorithms in social network
ترجمه فارسی عنوان
الگوریتم پیش بینی پیوندی افزایشی کارآمد در شبکه اجتماعی
کلمات کلیدی
شبکه اجتماعی، پیش بینی پیوند، پویا فضای خالی تخصیص منابع،
ترجمه چکیده
برای افزایش وفاداری و تجربه مشتری، پیش بینی پیوند در شبکه های اجتماعی می تواند به ارائه دهندگان خدمات به پیش بینی دوستی بین کاربران در آینده، با توجه به ساختار شبکه و اطلاعات شخصی کمک کند. با این حال، بیشتر مطالعات قبلی پیش بینی پیوند در سناریوی ایستا را در نظر می گیرند در حالی که نادیده گرفتن این موضوع که شبکه اجتماعی به طور کلی در طول زمان به روز می شود. در این مقاله برای حل این مشکل، دو الگوریتم دینامیک کارآیی افزایشی را طراحی می کنیم که می تواند رابطه بین کاربران را با توجه به ساختار شبکه اجتماعی به روز شده پیش بینی کند. اولین بجای استفاده از شاخص پیش بینی کلاسی، یک فضای پنهان برای هر گره در شبکه ایجاد می کند و محاسبات افزوده را برای پیش بینی لینک های آینده بر اساس موقعیت هر گره در فضای پنهان، تصویب می کند. دومین الگوریتم بهبودی پویا براساس شاخص تخصیص منابع است که فقط بخش بهروزرسانی ساختار شبکه اجتماعی را به جای کل شبکه اجتماعی دوباره محاسبه می کند. آزمایش های گسترده نشان می دهد که الگوریتم اول ما دارای دقت پیش بینی بالا است در حالی که الگوریتم دوم هزینه کم زمان در حال اجرا با هزینه دقت پیش بینی کمتر است.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر هوش مصنوعی
پیش نمایش مقاله
الگوریتم پیش بینی پیوندی افزایشی کارآمد در شبکه اجتماعی
چکیده انگلیسی
To enhance customers' loyalty and experience, link prediction in social networks can help service providers to predict the friendship between users in the future, according to the network structure and personal information. However, most of prior studies consider link prediction in the static scenario while ignoring that the social network generally is updated over time. In this paper, to address this problem, we design two efficient incremental dynamic algorithms that can predict the relationship between users according to the updated social network structure. The first one, instead of using classic prediction index, creates a latent space for each node in the network, and adopts the incremental calculation to predict the future links according to the position of each node in the latent space. The second one is a dynamic improved algorithm based on the resource allocation index, which only recalculates updated part of the social network structure instead of the whole social network. Extensive experiments show that our first algorithm has high prediction accuracy while the second algorithm incurs low running time cost at the expense of less prediction accuracy.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Knowledge-Based Systems - Volume 132, 15 September 2017, Pages 226-235
نویسندگان
, , , , , ,