پیش‌بینی لینک در شبکه‌های اجتماعی با استفاده از روش خوشه‌بندی با بهره‌گیری از الگوریتم بیشینه‌سازی انتظار

امروزه شبکه‌های اجتماعی خدمات و مزایای فراوانی در اختیار کاربران خود قرار می‌دهند. پیش‌بینی تعاملاتی که ممکن است در آینده‌ی نزدیک در بین اعضای این شبکه‌ها اتفاق می‌افتد، داری اهمیت است. این موضوع تحت عنوان مساله‌ی پیش‌بینی لینک معرفی شده است. در پیشینه‌ی پژوهش دو شیوه‌ی کارآمد پیش‌بینی لینک بر اساس خوشه‌بندی طیفی با استفاده از کی-مدوئیدز و لندمارک ارائه شد. شیوه‌ی نخست از کی-مدوئیدز برای خوشه‌بندی گره‌های گراف، بر اساس بردار ویژه به دست آمد که از ماتریس لاپلاسین نرمال، استفاده می‌کند. شیوه‌ی دوم زیرمجموعه‌ای از نقطه‌داده‌ها را به عنوان لندمارک انتخاب می‌کند و نقطه‌داده‌های اولیه را به عنوان ترکیب‌های خطی این لندمارک‌ها به نمایش می‌گذارد. با توجه به اینکه هزینه‌ی محاسباتی کی-مدوئیدز و لندمارک با دقت پیش‌بینی در ارتباط است. باید بهینه‌سازی‌هایی در این حوزه صورت پذیرد. بنابراین تحقیق در این حوزه ادامه دارد. دراین پژوهش، روشی جهت پیش‌بینی لینک در پنج شبکه‌های اجتماعی ارائه می‌گردد. روش پیشنهادی با استفاده از تکنیک خوشه‌بندی طیفی کی-مدوئیدز و بهره‌گیری از الگوریتم بیشینه‌سازی انتظار در بهینه‌سازی نقاط لندمارک ارائه می‌شود. نتایج شبیه‌سازی در نرم افزار متلب نشان می‌دهد که روش پیشنهادی توانسه خطای پیش‌بینی لینک را در مقایسه با شیوه‌ی جستجوی محلی کی-مینز (خوشه‌بندی طیفی کی-مینز) به اندازه %31/31، خوشه‌بندی طیفی کی-مدوئیدز به اندازه %96/18 و روش آسما و همکاران به اندازه %38/3 روی شبکه‌ی داده تارو کاهش دهد.