کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6874519 687457 2016 8 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Detecting the missing links in social networks based on utility analysis
ترجمه فارسی عنوان
تشخیص لینک های گم شده در شبکه های اجتماعی بر اساس تجزیه و تحلیل ابزار
کلمات کلیدی
شبکه اجتماعی، تشخیص پیوند، رگرسیون لجستیک، تجزیه و تحلیل شبکه، عملکرد سودمند
ترجمه چکیده
این مقاله یک مدل جدید برای شناسایی لینک های گم شده در شبکه های اجتماعی ارائه می دهد. یک تابع مفید معرفی شده است که ویژگی های گره و همچنین ساختار شبکه را برای افراد تعیین می کند تا تصمیم بگیرند آیا یک لینک ایجاد کنند. در عین حال رگرسیون منطقی نیز برای برآورد پارامترهای الگوریتم بر اساس شبکه مشاهده شده است. علاوه بر این، این مقاله این روش شناسایی پیوند گم شده جدید را در شبکه های اجتماعی آنلاین که از طریق فیس بوک از طریق تجزیه و تحلیل مقایسه ای ایجاد شده است، تأیید می کند. نتایج نشان می دهد که روش ما در تشخیص لینک های موجود در شبکه اصلی بهتر از سایر الگوریتم ها است. ما همچنین با توجه به روش ما، تجزیه و تحلیل مقیاس پذیری را انجام می دهیم، پیچیدگی روش را تحلیل می کنیم و تلاش می کنیم تا پیچیدگی روش ما را با حذف برخی پارامترها کاهش دهیم. علاوه بر این، این مطالعه نیز روش ما را برای تجزیه و تحلیل تکامل شبکه اعمال می کند و ما را قادر می سازد عوامل را تشخیص دهند که ترویج شبکه را ترویج می دهند.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر نظریه محاسباتی و ریاضیات
چکیده انگلیسی
This paper proposes a new model for detecting missing links in social networks. A utility function is introduced that considers the node attributes as well as the network structure for the individuals to decide whether to form a link. At the same time, logistic regression is also adopted to estimate the parameters of the algorithm based on the observed network. Furthermore, this paper validates this new missing link detection method in online social networks that were established from Facebook via comparison analysis. The results demonstrate that our method outperforms other algorithms in detecting the existent links in the original network. We also perform scalability analysis with respect to our method, analyze the complexity of method and attempt to reduce our method's complexity by deleting some of the parameters. Moreover, this study also applies our method to network evolution analysis, and it enables us to uncover the factors that promote network evolution.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Journal of Computational Science - Volume 16, September 2016, Pages 51-58
نویسندگان
, , , ,