Presenting new collaborative link prediction methods for activity recommendation in Facebook

یکی از روش های رایج در سیستم های توصیه شده، روش های فیلتر کردن همگانی است. در این روش، ترجیحات کاربران با اهمیت همیشگی اغلب بر اساس بررسی منافع گذشته خود به یکدیگر توصیه می شود. از سوی دیگر، یکی از روش های توصیه شده در شبکه های اجتماعی، اندازه گیری نزدیکی دو گره در نمودار است. اگر چه بسیاری از محققان پیش بینی پیوند دوستی در شبکه های مختلف اجتماعی آنلاین را مورد بررسی قرار داده اند، پیش بینی فعالیت ها براساس تعاملات مختلف کاربران، توجه بسیار کمی شده است. هدف اصلی این مقاله، استفاده از روش های فیلتر سازی مشترک برای پیش بینی فعالیت و توصیه های هر دو برای جفت کاربران بدون پس زمینه تعامل و همچنین برای جفت کاربر با پس زمینه فعالیت است. در این راستا، یک مفهوم جدید در ابتدا به عنوان یک پاتلاف مشترک معرفی شده است. سپس بر مبنای مسیر همکاری، چهار اقدامات مجاورت مستقیم پیشنهاد شده است. علاوه بر این، سه الگوریتم جدید شامل دو الگوریتم مبتنی بر پیاده روی های تصادفی مشترک، یکی برای شبکه مخلوط و یکی برای شبکه چند لایه و الگوریتم همکاری-انجمن-قانون ارائه شده است. در نهایت، برای ارزیابی روش های پیشنهادی ما، برخی از آزمایش ها بر روی مجموعه داده های مختلف شبکه های فعالیت فیس بوک از قبیل نظرسنجی، پست، و به اشتراک گذاری شبکه ها انجام می شود. نتایج نشان می دهد که روش های همکاری پیشنهادی به خوبی پیش بینی عملکرد را بدون رنج از مشکل شروع سرد مقابله می کنند و از حالت فعلی روش های هنری بهتر عمل می کنند.