این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
مدیریت فناوری اطلاعات، جلد ۶، شماره ۳، صفحات ۴۷۵-۴۸۶
عنوان فارسی ارائه روشی جدید برای پیشگویی پیوند بین رأس های موجود در شبکه های اجتماعی
چکیده فارسی مقاله امروزه شبکه های اجتماعی برخط به دلیل امکان ایجاد ارتباط بین افراد مختلف در سرتاسر دنیا، دارای محبوبیت زیادی هستند. این شبکه های اجتماعی که دارای امکاناتی از قبیل پیشنهاد دوست به کاربران هستند، در اغلب موارد جهت ارائه پیشنهادات خود، از ویژگی های محلی ساختار گراف شبکه استفاده می کنند. برای ارائه پیشنهاد در این شبکه ها، روش های مختلفی با دو رویکرد محلی و سراسری پیمایش گراف شبکه پیشنهاد شده و مورد استفاده قرار می گیرد. ما در این مقاله روشی با رویکرد محلی ارائه داده ایم که دارای کارایی مناسبی نسبت به سایر روش هاست، علاوه براین که به دلیل محلی بودن رویکرد دارای سرعت قابل قبولی نیز می باشد. ویژگی جدید بر اساس ارزیابی ای که بر روی مجموعه داده های دو شبکه اجتماعی بزرگ Facebook و Epinions انجام شده است، نشان داده است که می تواند پیشگویی خوبی برای یال هایی که قرار است در آینده شکل بگیرند، انجام دهد و در نتیجه پیشنهادات قابل قبولی را ارائه دهد.
کلیدواژه‌های فارسی مقاله پیشگویی پیوند، شبکه های اجتماعی، سیستم های پیشنهاد دهنده،
عنوان انگلیسی Presenting a New Method for Link Prediction in Social Networks
چکیده انگلیسی مقاله Today, online social networks are very popular due to the possibility of creating relationships between people all over the world. These social networks with possibilities such as friend recommendation generally use local features derived from social graph structure. For friend recommendation, there are different algorithms with local and global approaches. In this paper, we proposed an algorithm with local approach that has a suitable performance compared to other algorithms. In addition, it has an acceptable speed, because of its being local. This new feature was examined on two large social networks: Epinions and Facebook. The research showed that this algorithm can present good predictions and acceptable recommendations.
کلیدواژه‌های انگلیسی مقاله Link Prediction, Recommending Systems, Social network
نویسندگان مقاله اعظم کی پور |
دانشجوی کارشناسی ارشد هوش مصنوعی، دانشگاه صنعتی مالک اشتر، تهران، ایران
سازمان اصلی تایید شده: دانشگاه صنعتی مالک اشتر (Malek ashtar university of technology)

مرتضی براری |
استادیار مخابرات سیستم، دانشگاه صنعتی مالک اشتر، تهران، ایران
سازمان اصلی تایید شده: دانشگاه صنعتی مالک اشتر (Malek ashtar university of technology)

حسین شیرازی |
دانشیار هوش مصنوعی، دانشگاه صنعتی مالک اشتر ، تهران، ایران
سازمان اصلی تایید شده: دانشگاه صنعتی مالک اشتر (Malek ashtar university of technology)

نشانی اینترنتی http://jitm.ut.ac.ir/article_50936_5f5f7a04ad14fa7c470324ba5ec91b0c.pdf
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/1085/article-1085-210280.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات