Topic recommendation for authors as a link prediction problem

به تازگی، مطالعات پیش بینی پیوند در شبکه های بزرگ و پیچیده، به ویژه برای محققان در زمینه های مختلف علمی توجه ویژه ای شده است. بسیاری از شبکه های پیچیده ای که از اطلاعات دنیای واقعی ایجاد شده، ساختار دو طرفه را طبق ذات خود دارند. شبکه های دو طرفه نوعی از شبکه های پیچیده هستند که تعاملات بین گروه های مختلف گره را نشان می دهند. تقریبا تمام مطالعات قبلی در مورد پیش بینی پیوند در شبکه های دو طرفه بر استفاده از خواص شبکه های طرح ریزی برای پیش بینی روابط بین جفت گره تمرکز می کنند. در این مطالعه، پیش بینی پیوندی بالقوه بین نویسندگان و مباحث در شبکه اطلاعاتی دوبعدی دانشگاهی بزرگ که از دادههای دنیای واقعی ایجاد شده است، یک روش پیش بینی پیوند مبتنی بر شباهت بر اساس طرح پیشنهادی تقویت شده ارائه شده است. از آنجا که از بین رفتن اطلاعات زمانی رخ می دهد که شبکه های دو طرفه به شبکه های یکپارچه تبدیل شوند، باید توجه داشت که هنگام ایجاد یک پیشوند لینک در این مقاله، هر دو شبکه دو طرفه و اطلاعاتی در مورد تقویت شبکه ی یکپارچه از شبکه دو طرفه به دست می آید. برای ارزیابی روش پیشنهادی، یک شبکه دو طرفه ابتدا از یک مجموعه داده واقعی شامل نویسندگان و کار آنها ساخته شد. سپس روش در این شبکه مورد آزمایش قرار گرفت. نتایج تجربی نشان می دهد که ممکن است نتایج پیش بینی پیوندی سریع تر و دقیق تر با روش پیشنهادی به دست آید.