کد مقاله | کد نشریه | سال انتشار | مقاله انگلیسی | نسخه تمام متن |
---|---|---|---|---|
6874517 | 687457 | 2016 | 18 صفحه PDF | دانلود رایگان |
عنوان انگلیسی مقاله ISI
A link prediction algorithm based on label propagation
ترجمه فارسی عنوان
الگوریتم پیش بینی لینک براساس انتشار برچسب است
دانلود مقاله + سفارش ترجمه
دانلود مقاله ISI انگلیسی
رایگان برای ایرانیان
کلمات کلیدی
شبکه های پیچیده پیش بینی پیوند، پخش برچسب، روند دینامیک،
ترجمه چکیده
مطالعه پیشبینی پیوند در نظریه گراف در سالهای اخیر توجه بیشتری شده است. با توجه به ویژگی گره ها در شبکه های اجتماعی آنلاین به طور کلی نادرست است، استفاده از ویژگی های ساختار شبکه نسبت به اطلاعات گره ها برای پیش بینی لبه ها در شبکه بسیار مهم و کارآمد است. در این مقاله، ما یک راهبرد پیش بینی مبتنی بر شباهت ساده اما موثر بر اساس انتشار برچسب، که به طور طبیعی ارتباطات بین افراد را تقلید می کند، ارائه می دهیم. ما یک مقایسه تجربی از روش پیشنهاد شده در برابر چهار الگوریتم پیش بینی لینک مبتنی بر شباهت محلی محلی با استفاده از شبکه های دنیای واقعی انجام می دهیم. نتایج تجربی نشان می دهد که روش ما دقت بیشتری نسبت به این روش های شناخته شده ارائه می دهد. از این رو، ما می توانیم توصیه های دقیق دوستان را برای شبکه های اجتماعی آنلاین ارائه دهیم و هزینه های تجربی را در زمینه زیست شناسی کاهش دهیم و مکانیزم تکامل شبکه های پیچیده را بهتر درک کنیم.
موضوعات مرتبط
مهندسی و علوم پایه
مهندسی کامپیوتر
نظریه محاسباتی و ریاضیات
چکیده انگلیسی
The study of link prediction in graph theory has received more and more attention in recent years. Considering the attributes of nodes in online social networks are generally inaccurate, it is very important and efficient to use the network structure characteristics rather than nodes' information to predict edges in networks. In this paper, we present a simple but effective similarity-based prediction strategy based on label propagation, which mimics the communication between people naturally. We perform an experimental comparison of the proposed method against four classic local similarity-based link prediction algorithms using real-world networks. The experimental results show that our method offers higher precision than these well-known approaches. Hence, we can provide more accurate friend recommendations for online social networks and reduce experimental costs in the fields of biology, and better understand the evolution mechanism of complex networks.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Journal of Computational Science - Volume 16, September 2016, Pages 43-50
Journal: Journal of Computational Science - Volume 16, September 2016, Pages 43-50
نویسندگان
Jie Liu, Baomin Xu, Xiang Xu, Tinglin Xin,