بهبود کیفیت تبدیل سری زمانی به گراف‌ پدیداری نفوذپذیر محدود، با ایجاد نسخه وزن‌دار و پیش‌بینی پیوند

تحلیل سری‌های زمانی از منظر شبکه‌های پیچیده بسیاری از دانشمندان را مورد توجه قرار داده است. در این مقاله، بر اساس الگوریتم‌های گراف پدیداری، روش جدیدی برای ساخت شبکه(گراف) وزن‌دار از سری های زمانی پیشنهاد شده است. اولین مرحله تبدیل نوع داده سری‌های زمانی به گراف پدیداری نفوذپذیر محدود(نسخه قوی‌تری از گراف پدیداری طبیعی) است. سپس از سه روش وزن‌دار کردن فاصله اقلیدسی، تانژانت زاویه دید و فاصله زمانی برای ساخت گراف وزن‌دار استفاده شده است. در مرحله بعد با اعمال پیش‌بینی پیوند، سعی در بهبود هرچه بیشتر کیفیت گراف شده است. برای سنجش شباهت در پیش‌بینی پیوند از معیارهای شباهت همسایگان مشترک، اتصال ترجیحی و ضریب جاکارد در نسخه وزن‌دار پیشنهاد و ارزیابی شده است. برای اثبات اعتبار روش پیشنهادی، سه مجموعه داده سری زمانی taiex، فروش خانه و فروش شامپو اتخاذ شده است که در آن از معیار مبتنی بر پیش‌بینی پیوند auc برای ارزیابی عملکرد گراف وزن‌دار استفاده می‌شود. نشان داده شده است که در گراف وزن‌دار ساخته شده با روش‌های پیشنهادی و اعمال پیش‌بینی پیوند، مقدار auc حداکثر تا 96336/0 افزایش می‌یابد و تا حد زیادی بهتر از گراف بدون وزن به دست آمده توسط نظریه گراف پدیداری نفوذپذیر محدود عمل می‌کند.