پيش بيني روابط در شبكه هاي اجتماعي مبتني بر يادگيري عميق

Link prediction on social networks based on Deep Learning

پيش بيني ارتباطات در شبكه هاي اجتماعي، يكي از مسائلي است كه در سال¬هاي اخير مورد توجه بسياري از محققين قرار گرفته است. در اين مساله سعي بر اينست كه به كمك ارتباطات موجود در شبكه، ارتباطات از بين رفته و يا ارتباطات آتي در شبكه شناسايي شوند. يكي از جديدترين رويكردهاي اين مسئله، استفاده از يادگيري عميق جهت استخراج بردار ويژگي هاي هر گره و يافتن ارتباطات ناشناخته براي آنهاست. در اين مقاله روشي براي يادگيري بردار نمايش گره هاي شبكه بر اساس اطلاعات گره هاي مجاور هر گره در شبكه اجتماعي و جوامع مختلف موجود در شبكه ارائه شده است. نتايج بدست آمده حاكي از اين است كه روش ارائه شده در مقايسه با ساير روش ها، نتايج خوبي براي پيش بيني ارتباطات ارائه نموده است.

Link prediction on social networks is one of the issues that has attracted many researchers in recent years. In this problem, missing and future links are predicted by using existing links in the. One of the newest approaches to this problem is the use of deep learning to extract the vector of the features of each node and then find missing and future links. This paper presents a method for learning the vector representation of network nodes based on the information of the nodes adjacent to each node in the social network and the various links present on the network. The results show that the proposed method provides good results for link prediction in comparison with other methods.