پيش بيني پيوند در شبكه‌هاي اجتماعي به وسيله تخصيص درجه‌ي همسايگي به رئوس در گراف‌هاي بدون جهت

امروزه شبكه‌هاي اجتماعي مثل فيس‌بوك، گوگل‌پلاس، اينستاگرام و غيره در زندگي افراد تأثير بسزايي دارند. در اين شبكه‌ها براي پيشنهاد افراد به يكديگر از الگوريتم‌هاي پيش‌بيني پيوند استفاده مي‌شود و يكي از موضوعات چالش‌برانگيز و پركاربرد مي‌باشد. محققين الگوريتم‌هاي مختلفي براي پيش‌بيني پيوند ارائه كرده‌اند، اما مشكل عمده الگوريتم‌هاي موجود، دقت پايين آن‌هاست. با توجه به اينكه درصد ارتباطات در شبكه‌هاي اجتماعي متفاوت است، در اين مقاله با استفاده از وزن‌دار كردن يال‌ها و تخصيص درجه‌ي همسايگي، الگوريتمي براي تشخيص دوستان صميمي ارائه داده‌ايم. آزمايش الگوريتم پيشنهادي بر روي سه مجموعه داده Facebook و Hamster و Email صورت گرفته است و در مقايسه با الگوريتم‌هاي جاري به ترتيب 0.4 ، 2.4 و 6.9  درصد بهبود دقت داشته‌ايم.