عنوان پایان‌نامه
طراحی و پیاده سازی یک الگوریتم مقیاس پذیر پیش بینی لینک در شبکه های پیچیده
- رشته تحصیلی
- مهندسی کامپیوتر -نرم افزار
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی پردیس 2 فنی شماره ثبت: E 2191;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 57317
- تاریخ دفاع
- ۱۱ بهمن ۱۳۹۱
- دانشجو
- احسان شرکت
- استاد راهنما
- مسعود رهگذر, مسعود اسدپور
- چکیده
- امروزه با افزایش محبوبیت شبکه‌های اجتماعی، تحلیل و بررسی این شبکه‌ها مورد توجه بسیاری از محققین در زمینه‌های مختلفی قرار گرفته است. یکی از تحلیل‌هایی که در شبکه‌های اجتماعی صورت می‌گیرد، پیشبینی لینک (یا پیوند) می‌باشد. اگر یک شبکه اجتماعی را به صورت گراف متصور شویم، پیشبینی لینک به معنای پیشبینی پیدایش یال جدید غیر موجود میان دو گره در آینده است. تعداد اندکی تحقیق جامع در زمینه پیشبینی لینک وجود دارد، ولی اکثر آنها از کلیه جنبه‌های گوناگون روش‌های پیشبینی لینک را مورد بررسی قرار نداده‌اند. در این پایان‌نامه، تحقیقی جامع از روش‌ها و الگوریتم‌های مختلف پیشبینی لینک ارائه شده است و مقایسه‌ای تحلیلی نیز میان انواع مختلفی از این روش‌ها انجام گرفته است. در این تحقیق یک روش پیشبینی لینک بر اساس الگوریتم بهینه‌سازی کلونی مورچگان پیشنهاد شده است که نتایج حاصله حاکی از آن است که این روش در رابطه با بیشتر مجموعه داده‌ها دارای عملکرد بهتری نسبت به بهترین روش‌های موجود و در برخی موارد، نزدیک به بهترین روش‌های موجود دارا می‌باشد. دلایل این یافته‌ها نیز در انتهای تحقیق مورد بررسی قرار گرفته است. آماده‌سازی مجموعه‌های داده‌ای مناسب برای پیشبینی لینک نیز از دستآوردهای این تحقیق محسوب می‌گردد
- Abstract
- By increasing popularity of social networks, many researchers are interested with studying them. Link prediction is one of the main problems in social networks analysis. If we represent a social network with a graph, link prediction means the prediction of future edges between nodes. There exist very few survey researches in field of link prediction. They do not cover all aspects of link prediction. In the current research, a survey of different link prediction algorithms is presented and then an analytical comparison of different algorithms is also carried out. In this work, a new link prediction algorithm based on Ant Colony approach is also introduced. Results of our experiments on different datasets show that the proposed algorithm performs better in the category of unsupervised structural link prediction algorithms. Finally, the analytical reasons of our algorithms performance are analyzed and presented. Preparing standard link prediction datasets have been also one of the outputs of the current research.
