استنتاج اعتماد در شبکه های اجتماعی با استفاده از بهینه سازی الگوریتم ژنتیک

استنتاج اعتماد در شبکه های اجتماعی با استفاده از بهینه سازی الگوریتم ژنتیک

نوع فایل:PDF

تعداد صفحات :9

سال انتشار : 1395

چکیده

با رشد سریع شبکه های اجتماعی در وب و با توجه به این که امروزه بخش عمدهای از تعاملات، بین افراد ناشناس صورت می گیرد، اعتماد نقش مهمی در شکل گیری روابط بین کاربران ایفا می کند.استنتاج اعتماد رویکردی است که برای این منظور استفاده می شود. هدف از این مقاله، استنتاج اعتماد در شبکه های اجتماعی با استفاده از بهینه سازی الگوریتمژنتیک است. به کمک الگوریتم ژنتیک، از روی ساختار محلی روابط اعتماد کاربران با یکدیگر، یک مدل پیش بینی کننده آموزش داده شده و سعی شده تا با توجه به ویژگی های واقعی حاکم بر روابط اعتماد بین کاربران در شبکه های اجتماعی برخط و ساختار این شبکه های اجتماعی، مدلی ارائه شود که دقت بالایی در پیش بینی مقادیر اعتماد نامعلوم داشته باشد. نتایج بدست آمده از ارزیابی های انجام شده روی مجموعه داده واقعی از شبکه های اجتماعی برخط، نشان می دهدکه مدل ترکیبی در مقایسه با یک رویکرد دیگر مقایسه شده با آن، دقت بالایی در پیش بینی مقادیر اعتماد در محیط های واقعی دارد. به طوری که بهینگی و کارایی خود را در مجموعه داده حفظ کرده است.

واژگان کلیدی

استنتاج اعتماد، شبکه های اجتماعی، پیش بینی مقدار اعتماد، انتشار اعتماد، الگوریتم ژنتیک

دریافت فایل

---

پیش بینی لینک در شبکه های اجتماعی با استفاده از شبکه بیزین word

چکیده

شبکههایاجتماعیشبکههاییدینامیکهستندکهمدامدرحالافزایشاعضاوارتباطاتولینکهایبینآنهاهستندومتاسفانهاینلینکهاممکناستبهخاطرفرآیندایجادناقصویابهخاطراینکهاینهنوزدراینشبکههاانعکاسنیافتهاند،ازدستبرود. دررابطهبااینلینکهاوارتباطاتمسالهپیش بینیلینککه یکامرمهمبرایتحلیلشبکههایاجتماعیاست،اهمیتپیدامیکند. اینمسالهبهمعنیپیش بینیاحتمالبرقرارییکارتباطبیندورأساست،بادانستناینمسالهکهدرحالحاضرارتباطیبینایندو رأسوجودندارد .

سهرویکردبرایانجامپیش بینیلینکوجوددارد: اولینرویکردمدلهایسنتی )غیربیزین( استکهمجموعهای از ویژگیهارابرایآموزشیکمدلدستهبندیباینریاستخراجمیکند.دومی رویکردهایاحتمالاتیاستکهاحتمالالحاقموجودیتهادریکشبکهاجتماعیرابااستفادهازمدلهایگرافیکیبیزینمدلمیکندو سومین رویکرد ،رویکردهایجبرخطی-آماری است..ایدهاصلیدراستفادهازمفاهیمبیزین،بدستآوردنیکاحتمالثانویهاستکهبهشانساتصالیکجفترأسکهموردنظرماستاشارهدارد.در این گزارش با استفاده از دسته بندی کننده ساده بیزین به پیش بینی لینک میپردازیم.

یادگیری بیزین یکی ازموثرترین الگوریتم های یادگیری برای داده کاوی داده ها با استفاده از یادگیری ماشین میباشد. شبکه بیزین به تنهایی یک دسته بندی ساده براساس تئوری بیزین میباشد از این رو برای بهبود پیش بینی دسته بندی بیزی میتوانچهار راهکار ارایه داد:استخراج ویژگی ،گسترشساختاری ،یادگیری محلی وگسترش داده ها.در این گزارش با استفاده از استخراج ویژگیها که یکی از مراحل پیش پردازش داده ها میباشد به بهبود دسته بندی ها میپردازیم.الگوریتم های متاهیورستیک مبتنی بر جمعیت ازقبیل الگوریتم رقابت استعماری، الگوریتم بهینه سازی ازدحام ذرات، شبکه عصبی و الگوریتم ژنتیک در جستجوی زیرمجموعه ویژگی ها کارایی بالایی را در استخراج ویژگی مسایل بزرگ و پیچیده از جمله شبکه های پیچیده دارند،در این گزارش برای بهبود پیش بینی ها در شبکه ی اجتماعی فلیکر استفاده میکنیم .

کلمات کلیدی:شبکه های اجتماعی ، پیش بینی لینک ، شبکه های بیزین ، استخراج ویژگی و الگوریتم های متاهیورستیک مبتنی بر جمعیت

فهرست مطالب

 

فصل اول1

مقدمه و کلیات تحقیق1

1-1-مقدمه2

1-2-کلیاتومسایلتحقیق5

1-2-1-تشریحوبیانموضوعتحقیق5

1-2-2-ضرورتانجامتحقیق6

1-2-3-فرضیه هاواهدافتحقیق8

1-2-4-روشانجامتحقیق