چکیده
امروزه محبوبیت سایت های شبکه های اجتماعی در بین افراد غیر قابل انکار است، سایت هایی که امکانات زیادی را برای ارتباطات بین افراد در اختیار کاربران قرار می دهند. یکی از مشکلات اساسی در آنالیز این نوع شبکه ها پیش بینی ارتباطات جدید بین افراد شبکه می باشد.
روش فازی به عنوان یکی از روش های مطرح در هوش مصنوعی، راه ساده ای را برای ساخت نتیجه ی صریح، مبهم، نویزدار و مفقود شده را مهیا می سازد. در نتیجه منطق فازی به ابزاری برای مدل کردن پیچیدگی های دنیای واقعی بدل شده است. این مدل ها معمولا از موارد مشابه خود بسیار دقیق تر بوده و نتایج دقیق تری به ما ارائه می دهند. به همین دلیل منطق فازی پتانسیل لازم برای ارئه ی لینک پیشنهادی دقیق تر را خواهد داشت و چارچوبی که در این تحقیق ارائه خواهیم داد بر اساس این منطق توسعه خواهد یافت.
با توجه به رویکرد های فوق ما در این تحقیق با ارائه ی چارچوبی پیشنهادی جهت ارائه ی الگوریتمی هوشمند بر اساس ترکیب منطق فازی با الگوریتم های CN، Jaccard ، PAکهالگوریتم هایی برای پیش بینی لینک در گراف اجتماعی هستند، سعی در بهبود نتایج حاصله نمودیم. بررسی نتایج حاصله نشان داد که الگوریتم پیشنهادی دقت بیشتری در پیش بینی لینک داشته اما به دلیل وجود مراحل فازی و دفازی سازی، سرعت کمتری را دارا می باشد.
کلمات کلیدی:
پیش بینی لینک در شبکه های اجتماعی- منطق فازی- الگوریتم های پیش بینی لینک بر مبنای شباهت
۱۰ چکیده
۱۱ فصل اول: مقدمه و طرح مسئله
۱۲ ۱-۱-مقدمه
۱۳ ۱-۲- شبکه های اجتماعی
۱۴ ۱-۳-تحلیل شبکه های اجتماعی
۱۶ ۱-۴- مقدمه ای برای منطق فازی
۱۹ ۱-۵- بیان مسئله
۲۲ ۱-۶- توصیف ریاضی مسئله پیش بینی لینک ها
۲۳ ۱-۷- ساختار پایان نامه
۲۴ فصل دوم: مبانی نظری و پیشینه ی تحقیق
۲۵ ۲-۱- مقدمه
۲۵ ۲-۲-مفاهیم اولیه در زمینه پیشنهاد لینک در شبکه
۲۵ ۲-۲-۱- گراف
۲۵ ۲-۲-۲-گراف اجتماعی
۲۶ ۲-۲-۳- تحلیل شبکه‌های اجتماعی
۲۷ ۲-۲-۴-منابع داده کاوی در شبکه های اجتماعی
۲۷ ۲-۳- انواع روش های پیش بینی لینک
۲۸ ۲-۳-۱- الگوریتم های بر مبنای شباهت
۲۹ ۲-۳-۱-۱-شاخص شباهت محلی
۲۹ ۱٫ روش همسایگان مشترک (CN)
۲۹ ۲٫ شاخص سالتون
۳۰ ۳٫ شاخص جاکارد
۳۰ ۴٫ شاخس سورنسن
۳۰ ۵٫ شاخص HPI
۳۰ ۶٫ شاخص HDI
۳۱ ۷٫ شاخص LHN1
۳۱ ۸٫ شاخص PA
۳۱ ۹٫ شاخص AA
۳۲ ۱۰٫ شاخص تخصیص منابع (RA)
۳۲ ۲-۳-۱-۲- شاخص های شباهت سراسری
۳۲ ۱٫ روش کتز
۳۳ ۲٫ شاخص LHN2
۳۳ ۳٫ شاخصACT
۳۴ ۴٫ روش کسینوسی بر مبنای
۳۴ ۵٫ روش RWR
۳۵ ۶٫ روش SimRank
۳۵ ۷٫ روش MFI
۳۶ ۲-۳-۱-۳- شاخص های شباهت شبه محلی
۳۶ ۱٫ شاخص
۳۷ ۲٫ روش گام برداشتن تصادفی محلی (LRW)
۳۷ ۳٫ روش گام برداشتن تصادفی انطباقی (SRW)
۳۸ ۲-۳-۲-متدهای بیشترین احتمال
۳۸ ۲-۳-۲-۱-روش های مبتنی بر بیش ترین احتمال
۳۸ ۱٫ مدل ساختار سلسله مراتبی
۴۱ ۲٫ مدل بلاک احتمالی (SBM)
۴۲ ۲-۴-منطق فازی
۴۲ ۲-۴-۱- مدل فازی متغیرها
۴۴ ۲-۴-۲- تعریف متغیر زبانی
۴۵ ۲-۴-۳-روش چهار مرحله ای استفاده از منطق فازی
۴۶ ۲-۴-۴- عملیات بر روی مجموعه های فازی
۴۶ ۲-۴-۴-۱-عملگر مکمل
۴۷ ۲-۴-۴-۲- عملگر اجتماع
۴۸ ۲-۴-۴-۳-عملگر اشتراک
۴۹ ۲-۴-۵- رابطه بین مجموعه های فازی
۴۹ ۲-۴-۶- ترکیب روابط فازی
۴۹ ۲-۴-۷-اتصال دهنده ها
۵۱ ۲-۴-۸-رابطه ایجاب
۵۱ ۲-۴-۹-رابطه استنتاج
۵۲ ۲-۵- مروری بر کارهای انجام شده در زمینه پیشنهاد لینک
۶۰ فصل سوم:روش پیشنهادی
۶۱ ۳-۱- مقدمه
۶۱ ۳-۲- روش پیشنهادی
۶۴ ۳-۲-۱- تشریح ورودی های سیستم فازی
۶۶ ۳-۲-۲- فازی سازی پارامترهای ورودی سیستم فازی پیشنهادی
۶۸ ۳-۲-۳- قوانین پایگاه دانش سیستم فازی
۷۱ ۳-۲-۴- خروجی سیستم فازی پیشنهادی
۷۱ ۳-۳- جمع بندی
۷۳ فصل چهارم: محاسبات و یافته های تحقیق
۷۴ ۴-۱- مقدمه
۷۴ ۴-۲- مشخصات پایگاه داده مورد استفاده:
۷۵ ۴-۳-آماده سازی داده ها و شبیه سازی روش پیشنهادی
۷۸ ۴-۴-روش ارزیابی نتیجه خروجی
۸۰ ۴-۵- مقایسه ی نتایج حاصل از اجرای روش پیشنهادی و روش های CN و Jaccard
۸۱ ۴-۶- جمع بندی و نتیجه گیری
۸۳ فصل پنجم:نتیجه گیری و پیشنهادات
۸۴
۵-۱- نتیجه گیری
۸۵ ۵-۲- کارهای آینده
۸۶ فهرست مراجع
۹۰ Abstract
