کد مقاله کد نشریه سال انتشار مقاله انگلیسی ترجمه فارسی نسخه تمام متن
5103075 1480098 2017 16 صفحه PDF سفارش دهید دانلود رایگان
عنوان انگلیسی مقاله ISI
A group evolving-based framework with perturbations for link prediction
ترجمه فارسی عنوان
یک چارچوب مبتنی بر تکامل گروه با اختلالات پیش بینی پیوند
دانلود مقاله + سفارش ترجمه
دانلود مقاله ISI انگلیسی
رایگان برای ایرانیان
سفارش ترجمه تخصصی
با تضمین قیمت و کیفیت
کلمات کلیدی
پیش بینی پیوند، تکامل گروه، اختلال، جامعه شناسی،
ترجمه چکیده
پیش بینی پیوند یک کاربرد همه جا در بسیاری از زمینه ها است که از اطلاعات جزئی مشاهده شده برای پیش بینی عدم وجود یا وجود ارتباط بین جفت گره استفاده می کند. مطالعات تکامل گروهی توضیحات معقول در مورد رفتار گره ها، روابط بین گره ها و شکل گیری جامعه در یک شبکه ارائه می دهد. حوادث احتمالی در تکامل گروه شامل ادامه، رشد، تقسیم، شکل گیری و غیره می شود. تغییرات کشف شده در شبکه ها تا حدودی نتیجه این وقایع است. در این کار، ما یک گروه تکاملی مبتنی بر تکامل الگوهای الگوهای رفتاری گره ارائه می دهیم، و از طریق آن می توانیم احتمال آن که آنها در تعامل برقرار می کنند را برآورد کنیم. به طور کلی، هدف اصلی این مقاله ارائه یک مدل اسباب بازی کوچک برای شناسایی پیوندهای گم شده براساس تکامل گروه ها است و توضیح ساده ای بر عقلانیت مدل ارائه می دهد. برای اولین بار، ساختارهای خوشه ای پایدار را به شبکه ها معرفی می کنیم و خوشه های پایدار ثبات هر گره را تعیین می کنند. سپس نوسانات، رفتار گره دیگری، با مشارکت هر گره به گروه متعلق به خود، فرض می شود. در نهایت، ما نشان می دهیم که چنین ویژگی هایی به ما اجازه می دهد پیش بینی وجود لینک و ارائه مدل برای پیش بینی پیوند است که از بسیاری از روش های کلاسیک با زمان محاسبه کاهش در مقیاس بزرگ بهتر است. تشویق نتایج تجربی به دست آمده در شبکه های واقعی نشان می دهد که رویکرد ما می تواند به طور موثر لینک های گم شده در شبکه را پیش بینی کند و حتی اگر تقریبا 40 درصد از لبه ها از دست رفته باشد، عملکرد ثابت نیز حفظ می شود.
اگر به ترجمه دقیق تر نیاز دارید، مترجمان ما آمادگی دارند این مقاله را با کیفیت مطلوب و هزینه مناسب برای شما ترجمه نمایند.
موضوعات مرتبط
مهندسی و علوم پایه ریاضیات فیزیک ریاضی
چکیده انگلیسی
Link prediction is a ubiquitous application in many fields which uses partially observed information to predict absence or presence of links between node pairs. The group evolving study provides reasonable explanations on the behaviors of nodes, relations between nodes and community formation in a network. Possible events in group evolution include continuing, growing, splitting, forming and so on. The changes discovered in networks are to some extent the result of these events. In this work, we present a group evolving-based characterization of node's behavioral patterns, and via which we can estimate the probability they tend to interact. In general, the primary aim of this paper is to offer a minimal toy model to detect missing links based on evolution of groups and give a simpler explanation on the rationality of the model. We first introduce perturbations into networks to obtain stable cluster structures, and the stable clusters determine the stability of each node. Then fluctuations, another node behavior, are assumed by the participation of each node to its own belonging group. Finally, we demonstrate that such characteristics allow us to predict link existence and propose a model for link prediction which outperforms many classical methods with a decreasing computational time in large scales. Encouraging experimental results obtained on real networks show that our approach can effectively predict missing links in network, and even when nearly 40% of the edges are missing, it also retains stationary performance.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Physica A: Statistical Mechanics and its Applications - Volume 475, 1 June 2017, Pages 117-128
نویسندگان
, , , ,
دانلود مقاله + سفارش ترجمه
دانلود مقاله ISI انگلیسی
رایگان برای ایرانیان
سفارش ترجمه تخصصی
با تضمین قیمت و کیفیت