بهبود عملکرد پیش بینی لینک در شبکه های اجتماعی

سرویس های شبکه های اجتماعی بر خط در سالهای اخیر بسیار محبوب شده است، به این دلیل که بهکاربران اجازه میدهند تا نظرات و علایق خود را با دیگران به اشتراک بگذارند و چرخه اجتماعی خود رابا ایجاد روابط دوستی جدید گسترش دهند. دوستیابی راهی برای ایجاد روابط اجتماعی با دیگران درشبکه های اجتماعی بر خط است که از طریق آن کاربران میتوانند با دوستان خود در ارتباط بوده و بهاطلاعات مورد علاقه خود دسترسی داشته باشند. بنابراین پیشنهاد دوست، به یک جنبه بسیار مهمتبدیل شده است که توجه گسترده ای را در جوامع بصری و شبکه های اجتماعی به خود جلب کردهاست. ساختار کلی سیستم های توصیه گر دوست به این صورت است که یک معیار شباهت برایمحاسبه شباهت میان کاربران در نظر گفته می شود و به هر کاربر دوستانی با بالاترین شباهت پیشنهادداده می شود. این معیارهای شباهت می توانند شباهت کاربران را با توجه به ساختار توپولوژی گراف شبکه های اجتماعی و یا برخی ویژگی های ریوس گراف محاسبه کنند. شبکه Bayesian یک مدل قابلاعتماد برای درک روابط بین متغیرها است و در بسیاری از زمینه ها در جهت پیش بینی مورد استفادهقرار می گیرد. این روش با توجه به ویژگی های موثر در ایجاد دوستی، دوستان را با دقت به کاربرانتوصیه و یا پیشنهاد می کند. اولین هدف این است که ویژگی ها و شباهت های بیشتری را در جهتیافتن لینک جدید پیدا کنیم. نتایج حاصل از این روش پیشنهادی با آنچه که از الگوریتم های مختلفمانند عصبی-فازی دربر داشته به طور قابل توجهی بهبود یافته است. دقت در پیشنهاد دوست به دلیلدرج ویژگی های مختلف، نسبت به روش های پیشین بسیار ارتقا یافته است.