پیش بینی پیوند در شبکه‌های اجتماعی به وسیله تخصیص درجه‌ی همسایگی به رئوس در گراف‌های بدون جهت

امروزه شبکه‌های اجتماعی مثل فیس‌بوک، گوگل‌پلاس، اینستاگرام و غیره در زندگی افراد تاثیر بسزایی دارند. در این شبکه‌ها برای پیشنهاد افراد به یکدیگر از الگوریتم‌های پیش‌بینی پیوند استفاده می‌شود و یکی از موضوعات چالش‌برانگیز و پرکاربرد می‌باشد. محققین الگوریتم‌های مختلفی برای پیش‌بینی پیوند ارائه کرده‌اند، اما مشکل عمده الگوریتم‌های موجود، دقت پایین آن‌هاست. با توجه به اینکه درصد ارتباطات در شبکه‌های اجتماعی متفاوت است، در این مقاله با استفاده از وزن‌دار کردن یال‌ها و تخصیص درجه‌ی همسایگی، الگوریتمی برای تشخیص دوستان صمیمی ارائه داده‌ایم. آزمایش الگوریتم پیشنهادی بر روی سه مجموعه داده facebook و hamster و email صورت گرفته است و در مقایسه با الگوریتم‌های جاری به ترتیب 0.4 ، 2.4 و 6.9  درصد بهبود دقت داشته‌ایم.