الگوريتم هاي پيشنهاد كننده دوست در شبكه هاي اجتماعي آنلاين

با افزايش رشد داده هاي كاربران و داده هاي مكان جغرافيايي در شبكه هاي اجتماعي مبتني بر مكان، پيدا كردن سريع و دقيق اطلاعاتي كه كاربران به آن نياز دارند دشوار شده است. در اين مقاله 3 الگوريتم پيشنهاد دوست بر اساس شبكه هاي اجتماعي مبتني بر مكان ارائه شده است. در اولين الگوريتم، 3 الگوريتم قديمي پيشنهاد دوست بحث شده است. براي بهبود كارايي، يك قاب كاري خطي ارائه شده است كه اين 3 الگوريتم را كه بر اساس نسبت دوستان مشترك، فيلتر مشاركتي مبتني بر كاربر و ورود عادي مكان است با هم تركيب مي كند. نتايج نشان مي دهد كه در مقايسه با الگوريتم هاي قديمي، روش ارائه شده نتايج بهتري دارد. در الگوريتم بعدي، دو روش مقايسه اي براي بهبود كيفيت پيشنهاد دوست ارائه شده است. روش اول، راهنماهاي موجود و زمان ماندگاري كاربران در يك راهنماي خاص را تركيب مي كند تا دياگرام ورونوي را ايجاد كند و شباهت مكان بين كاربران را آناليز مي كند. روش دوم، ليست علايق هر حساب شبكه اجتماعي را آناليز مي كند و از تطبيق الگو استفاده مي كند تا بزرگترين زيرمجموعه مشترك را پيدا كند. از مقايسه اين دو روش، يك سطح قابل قبول بين اين دو ارزيابي شده و سيستم پياده سازي مي شود. در الگوريتم آخر از آنجا كه پيشنهاد دوست بر اساس شباهت ترجيح مكاني، نمي تواند تنها با اطلاعات پروفايل كاربر حل شود، بنابراين يك الگوريتم جديد ارائه شده است كه هم اطلاعات آنلاين و هم رفتار آفلاين كاربران را در نظر مي گيرد. از زنجيره ماركوف و شباهت كسينوسي بر اساس خوشه بندي مكان و ارزيابي آستانه استفاده شده است.