مشخصات

زبان

بانک اطلاعاتی

فایل ها

توضیحات

m فایل متلب و داکیومنت ۳۰ صفحه ای در فایل word برای تشریح روش کار و نتایج شبیه سازی دارد.

۶۶,۰۰۰ تـــــومان

مطالب مرتبط

پیش بینی پیوند در شبکه های اجتماعی با اتوماتای یادگیر توزیع شده در متلب

  • چهارشنبه ۲۰ اسفند ۱۳۹۹
  • بازدید ۶۱ نفر

پیش بینی پیوند در شبکه های اجتماعی با اتوماتای یادگیر توزیع شده در متلب

پیش بینی پیوند در شبکه های اجتماعی با MATLAB

در این بخش پروژه شبیه سازی پیش بینی پیوند در شبکه های اجتماعی با اتوماتای یادگیر توزیع شده با نرم افزار MATLAB به همراه داکیومنت آماده کرده ایم که در ادامه توضیحاتی از پروژه ارائه شده و فیلم و خروجی پروژه در محیط متلب قرار داده شده است.

ارتباطات در شبکه‌ های اجتماعی

شبکه‌ های اجتماعی مانند فیس بوک، تلگرام، لینکدین و توییتر، افراد را به یکدیگر متصل نموده و طریقه ارتباط انسان ها با یکدیگر را مدرن نموده است. امروزه تعداد زیادی از اطلاعات توسط کاربران آنلاین از طریق سایت ‌ها یا شبکه‌ های اجتماعی به اشتراک گذاشته می‌ شود. سایت های مختلف دوس یابی آنلاین مانند فیس بوک و اورکات، به دوستان آنلاین اجازه می دهد تا افکار و عقاید خود را به اشتراک بگذارند، نظری در مورد مطالب یا عکس های دیگران درج کنند و از همه مهمتر، دوستان جدیدی را بصورت آنلاین ملاقات کنند که قبلا می ‌شناختند. با این وجود، این سوال باقی می ‌ماند که چگونه به سرعت، شبکه آنلاین خود را با استفاده از دوستان جدیدتر گسترش دهیم. برای این منظور، یکی از روش های آسان استفاده شده توسط این سایت‌ های آنلاین و شبکه های اجتماعی، ارائه لیستی از “دوستان پیشنهادی ” است. برای پیشنهاد دوستان، پیش بینی لینک برای هر کاربر آنلاین بر اساس مطالعه خواص ساختاری شبکه انجام شده است.

پیش بینی پیوند در شبکه های اجتماعی با اتوماتای یادگیر توزیع شده در متلب

پیش ‌بینی پیوند در شبکه‌ های اجتماعی

پیش ‌بینی پیوند، یک فرایند مهم در تجزیه و تحلیل شبکه های اجتماعی است و دارای کاربردهای متنوعی در زمینه های دیگر مانند بازیابی اطلاعات، بیوانفورماتیک و تجارت الکترونیک است. تکنیک های مختلفی برای پیش بینی پیوند وجود دارد مانند روش های دسته ‌بندی مبتنی بر ویژگی، روش های فاکتور گیری مبتنی بر هسته و مدل های گرافیکی احتمالی. این روش ‌ها از نظر پیچیدگی مدل، عملکرد پیش ‌بینی، قابلیت مقیاس پذیری و توانایی تعمیم با یکدیگر متفاوت هستند. یکی از مسائل اساسی در آنالیز این نوع شبکه ها پیش بینی ارتباطات جدید بین افراد شبکه می باشد. در دهه اخیر، مساله پیش بینی پیوند در شبکه‌ های اجتماعی توجه زیادی از سوی محققان به خود معطوف داشته است. تجزیه و تحلیل لینک‌ های موجود در شبکه ‌های اجتماعی و یا هر شبکه پیچیده دیگری، برای درک تکامل آن و یا پیش ‌بینی لینک ‌های آینده در این شبکه ‌ها، مساله پیش ‌بینی پیوند را جذاب نموده است. در موضوع پیش بینی لینک، نمایی از یک شبکه داده می شود و مایل هستیم که بدانیم در آینده نزدیک، احتمالا چه تراکنش هایی (پیوند هایی) میان اعضای فعلی شبکه روی می‌ دهد و یا اینکه کدام یک از تراکنش های موجود را از دست می ‌دهیم.

معرفی پروژه

در این پروژه ما یک رویکرد پیشنهادی برای پیش بینی پیوند مبتنی بر آتاماتای یادگیر (Learning Automato) توزیع شده ارائه می کنیم که در آن از معیارهای شاخص ارتباط ترجیحی، شاخص جاکارد، تعداد همسایگان مشترک و میزان تشابه پروفایل دو گره متوالی برای تعیین برازش مسیرهای تولید شده استفاده شده است. در داکیومنت پروژه به ارزیابی این روش بر حسب معیارهای عملکردی و مقایسه آن با طرح پایه پرداخته شده است. برای ارزیابی طرح پیشنهادی از دیتاست فیسبوک و شبیه سازی در محیط نرم افزار متلب استفاده شد. برای تعیین دقت روش‌ پیش ‌بینی پیوند از دو معیار استاندارد AUC و دقت استفاده شد. پس از رتبه ‌بندی تمام لینک های مشاهده نشده در گراف تحت بررسی بر طبق روش پیشنهادی، دقت به عنوان نسبت آیتم‌ های انتخاب شده صحیح (موجود در گراف اصلی قبل از حذف لینک ها) در بالاترین سطح رتبه ‌بندی به کل موارد انتخاب شده تعریف می شود. با رتبه‌ بندی لینک‌ های ناموجود، بیان می ‌کنیم که هر لینک به چه میزان احتمال در آینده بین آن دو گره به وجود خواهد آمد.

بنابرین اگر پس از رتبه ‌بندی، لینک های موجود در رتبه ‌های بالاتر، همان گره های حذف شده باشند یعنی به درستی پیش ‌بینی پیوند را انجام داده ‌ایم و اعلام نموده‌ ایم که در صورتی که وضعیت کنونی شبکه بصورت گراف تحت بررسی باشد، این لینک ‌ها به احتمال بیشتری در آینده به وجود خواهند آمد. شبیه ‌سازی با مقادیر مختلف تعداد اعضای نمونه تست انجام گردید که نتایج شبیه سازی حاکی از آن است که میزان دقت و شاخص AUC برای پیش ‌بینی پیوند در طرح پیشنهادی بیشتر از طرح‌ پایه است. بنابرین روش پیشنهادی توانسته لینک ‌ها را بطور صحیح امتیازدهی و رتبه ‌بندی نماید و از بین لینک ‌های بالقوه موجود در گراف انتخابی، لینک هایی را که با احتمال بیشتری در آینده ایجاد می ‌گردد، مشخص نماید.

مجموعه داده استفاده شده

برای ارزیابی عملکرد طرح پیش ‌بینی پیوند پیشنهادی نیاز به یک مجموعه داده استاندارد داریم. برای این کار از دیتاست Facebook استفاده شده است. مجموعه داده فیسبوک یک شبکه غیرجهتدار است که شامل ۶۳۷۳۱ گره و ۸۱۷۰۳۵ لبه است که اطلاعاتی در خصوص رابطه دوستی کاربران فیس بوک را شرح می دهد. یک گره یک کاربر را نشان می دهد و یک لبه نشان دهنده دوستی بین دو کاربر است. شکل زیر تصویر گرافیکی از مجموعه داده های فیس بوک را نشان می دهد (گره هایی که درجه کمتر از ۶ دارند را در نظر نگرفته اند) همانطور که از شکل می بینیم، گره های زرد رنگ بزرگ دارای بالاترین درجه هستند، گره های آبی رنگ با اندازه متوسط  دارای درجه متوسط و گره های کوچک قرمز رنگ دارای درجه ارتباطی کمی هستند.

پیش بینی پیوند در شبکه های اجتماعی با اتوماتای یادگیر توزیع شده در متلب

شکل گرافیکی از دیتاست Facebook

همانگونه که در جدول زیر می ‌بینیم بطور میانگین هر کاربر در این شبکه با ۲۵ نفر رابطه دوستی دارد و حداکثر درجه یک گره (تعداد دوستان) برابر ۱۰۹۸ است.

پیش بینی پیوند در شبکه های اجتماعی با اتوماتای یادگیر توزیع شده در متلب

جدول اطلاعات آماری دیتاست Facebook

پیاده سازی طرح پیشنهادی

شبیه سازی در هر بار بر روی یک زیرگراف از گراف اصلی شبکه انجام می ‌شود که تعدادی از لینک‌ های آن را حذف می ‌کنیم و سپس با استفاده از طرح پیشنهادی خود، به رتبه‌ بندی تمام لینک ‌های ناموجود در گراف که امکان ایجاد آن در آینده وجود دارد می ‌پردازیم. در ادامه بر اساس دو پارامتر دقت و AUC که در بخش قبل شرح داده شد، تعیین می ‌کنیم که به چه میزان طرح پیش ‌بینی پیوند بصورت مطلوب عمل نموده است. در واقع با رتبه‌ بندی لینک ‌های ناموجود، بیان می‌ کنیم که هر لینک به چه میزان احتمال در آینده بین آن دو گره به وجود خواهد آمد. بنابرین اگر پس از رتبه ‌بندی، لینک های موجود در رتبه ‌های بالاتر، همان گره های حذف شده (گره ‌های موجود در گراف اصلی) باشند یعنی به درستی پیش‌ بینی پیوند را انجام داده ‌ایم و اعلام نموده ‌ایم که در صورتی که وضعیت کنونی شبکه بصورت گراف تحت بررسی (با یال ‌های حذف شده) باشد، این لینک‌ ها به احتمال بیشتری در آینده به وجود خواهند آمد. شبیه‌ سازی با مقادیر مختلف تعداد اعضای نمونه تست انجام شده است و برای بررسی بهبود عملکرد در طرح پیشنهادی، میزان دقت طرح خود را با دقت طرح پایه مقایسه نمودیم.

پیش بینی پیوند در شبکه های اجتماعی با اتوماتای یادگیر توزیع شده در متلب

شکل عملکرد طرح پیشنهادی از نظر دقت پیش ‌بینی پیوند

در شکل بالا می‌ بینیم که میزان دقت پیش‌ بینی لینک در طرح پیشنهادی بیشتر از این مقدار در طرح‌ پایه است بطوریکه حداقل  ۳/۰ درصد و حداکثر ۳/۲ درصد بهبود داشته است. بنابرین روش پیشنهادی ما توانسته لینک‌ ها را بطور صحیح امتیازدهی و رتبه ‌بندی نماید.

پیش بینی پیوند در شبکه های اجتماعی با اتوماتای یادگیر توزیع شده در متلب

شکل عملکرد روش پیشنهادی از نظر مساحت زیر نمودار ROC – شاخص AUC

در شکل بالا عملکرد روش پیشنهادی را با انتخاب مقادیر مختلف تعداد نمونه‌های تست از لحاظ مساحت زیر نمودار ROC – شاخص AUC به تصویر کشیده ‌ایم. نتایج حاکی از آن است که مقدار مساحت زیر نمودار در طرح پیشنهادی همواره از مساحت زیر نمودار در طرح‌ پایه بیشتر است. بطوریکه حداقل ۱/۲ درصد و حداکثر ۳/۴ درصد بهبود داشته است. بنابرین روش پیشنهادی عملکرد بهتری در پیش بینی پیوند داشته است و توانسته به خوبی از بین لینک ‌های بالقوه موجود در گراف انتخابی، لینک هایی را که با احتمال بیشتری در آینده ایجاد می‌ گردد، مشخص نماید.

 

باکس دانلود
شناسه:
۴۴۵۸
توضیحات:
m فایل متلب و داکیومنت ۳۰ صفحه ای در فایل word برای تشریح روش کار و نتایج شبیه سازی دارد.
قیمت:
۶۶,۰۰۰ تـــــومان
ثبت نظر
ریفریش کنید!
نظرات کاربران (۰ مورد)

هیچ نظری ثبت نشده است