سینا دامی - استادیار گروه کامپیوتر، واحد تهران غرب، دانشگاه آزاد اسلامی، تهران ایران
محیا مهوشیان - دانشجوی کارشناسی ارشد IT، واحد تهران غرب، دانشگاه آزاد اسلامی، تهران ایران

مساله پیش بینی پیوند برای نهادهای اطلاعاتی به عنوان یک فعالیت مهم در تحلیل شبکه های اجتماعی محسوب می شود. در این راستا پیش بینی ارتباط بین نویسندگان در شبکه های کتاب شناختی، توجه زیادی را به خود جلب کرده است. با این حال، بیشتر این کارها تنها در مورد بهره برداری از ویژگی های توپولوژی شبکه برای پیش بینی انجام می شود و سایر عوامل موثر بر شکل گیری پیوندها به ندرت مورد توجه قرار می گیرد. در این مقاله، دو نوع از ویژگی های جدید بر اساس الگوی اجتماعی و دانش ویژگی های خارجی استخراج می کنیم، سپس ویژگی های استخراج شده را به یک چارچوب یادگیری عمیق با استفاده از شبکه عصبی پیچیده پویا (DCNN) برای یادگیری بازنمایی ویژگی ها متصل می کنیم. در نهایت برای پیش بینی پیوند با ویژگی های عمیق یادگرفته شده از یک ماشین یادگیری شدید (ELM) بهره گرفتیم. نتایج تجربی برروی شبکه اجتماعی علمی واقعی نشان می دهد که ویژگی های بازنمایی شده با چارچوب یادگیری عمیق به طور قابل توجهی می تواند عملکرد پیش بینی پیوند را افزایش دهد. علاوه بر این، این ویژگی ها در درک مکانیسم های شکل گیری پیوند مفید هستند.

پیش بینی پیوند، شبکه های کتاب شناختی، یادگیری عمیق، شبکه عصبی پیچیده پویا