يك روش پيش‌بيني پيوند مبتني بر همسايه براي شبكه دوبخشي

A Neighbor-based Link Prediction Method for Bipartite Networks

پيش‌بيني پيوند، يكي از روش‌هاي تحليل شبكه اجتماعي است. شبكه هاي دوبخشي يكي از انواع شبكه هاي پيچيده هستند كه بسياري از وقايع طبيعي، با استفاده از آن قابل مدل شدن هستند. در اين مقاله، روشي براي پيش‌بيني پيوند در شبكه دوبخشي ارائه شده‌است. با توجه به اينكه روش‌هاي پيش‌بيني پيوند در شبكه يك بخشي براي استفاده در شبكه دوبخشي كارايي پاييني دارند و كارآمد نيستند، نياز است براي حل اين مسئله از روش‌هايي مختص شبكه دوبخشي استفاده شود. هدف اين پژوهش، ارائه روشي جديد، متمركز و جامع مبتني بر همسايه است، كه عملكردي بهتر از روش‌هاي كلاسيك موجود داشته باشد. روش پيشنهادي از تركيب معيارهايي بر اساس همسايگي تشكيل شده‌است. معيارهاي كلاسيك پيش‌بيني پيوند با اعمال تغييراتي براي شبكه دوبخشي تعريف شده‌اند. اين معيارهاي تغيير يافته، اركان اصلي معيار پيشنهادي را تشكيل مي‌دهند. اين روش علاوه بر سادگي و پيچيدگي پايين، از كارايي بالايي برخوردار است و روش‌هاي كلاسيك مبتني بر همسايه را در مجموعه داده‌هاي مورد بررسي به طور ميانگين بيش از 15٪ بهبود داده است.

Social network analysis’ link prediction has a diverse range of applications in different areas of science. Bipartite networks are a kind of complex network, which can be used to describe various real-world phenomena. In this article, a link prediction method for bipartite network is presented. Uni-partite link prediction methods are not effective and efficient enough to be applied to bipartite networks. Thus, to solve this problem, distinct methods specifically designed for bipartite networks are required. The proposed method is neighbor based and consisted of measures of such. Classic uni-partite link prediction measures are redefined to be compatible with bipartite network. Subsequently, these modified measures are used as the basis of the presented method, which in addition to simplicity, has high performance rates and is superior to other neighbor-based methods by 15% in average.