مقاله ترجمه شده درباره الگوریتم مبتنی بر نمونه جهت پیش بینی اتصال در شبکه های زمانی – سال 2016
مشخصات مقاله:
عنوان فارسی مقاله:
الگوریتم مبتنی بر نمونه جهت پیش بینی اتصال در شبکه های زمانی
عنوان انگلیسی مقاله:
Sampling-based algorithm for link prediction in temporal networks
کلمات کلیدی مقاله:
پیش بینی اتصال، گام تصادفی، انتخاب نمونه، شبکه زمانی
مناسب برای رشته های دانشگاهی زیر:
مهندسی کامپیوتر و مهندسی فناوری اطلاعات
مناسب برای گرایش های دانشگاهی زیر:
مهندسی الگوریتم ها و محاسبات و شبکه های کامپیوتری
وضعیت مقاله انگلیسی و ترجمه:
مقاله انگلیسی را میتوانید به صورت رایگان با فرمت PDF از باکس زیر دانلود نمایید. ترجمه این مقاله با فرمت WORD – DOC آماده خریداری و دانلود آنی میباشد.
فهرست مطالب:
چکیده
1-مقدمه
2- ماتریس تبدیل برای شبکه های زمانی
3-گام تصادفی محلی
1-3 گام تصادفی محلی
2-3 گام تصادفی تحمیل شده
4- محاسبه تشابه مبتنی بر نمونه
1-4 برآورد SRW با انتخاب نمونه مسیر
2-4 انتخاب مسیر با گام تصادفی
3-4 اندازه مجموعه مسیر انتخاب نمونه
4-4 الگوریتم برآورد تشابه شامل گره داده شده
5- تحلیل پیچیدگی زمانی
6-تحلیل و نتایج تجربی
1-6 مجموعه داده های آزموده شده
یک- واقعیت پردازی
دو- بحث
سه- پاسخ لیست ارسالی هسته لیناکس
چهار- پیام های ایروین یو.سی
پنج- پروژه کتابخانه کتابنگاری دیجیتال
2-6 ساختار آزمایش
3-6 تحلیل و نتایج آزمایشی
7- نتایج و آثار آتی
قسمتی از مقاله انگلیسی و ترجمه آن:
1. Introduction
Networks can naturally describe various social structures. In such networks, vertices denote individuals, while the edges represent relations among the individuals, such as corporations or companionship. Social network analysis has drawn increasing attention in the fields of sociology, computer science, and physics. It analyzes and explores the potential relations between social objects. Recently, complex network analysis has also drawn much attention in many commerce fields, such as e-business analysis and market modeling. One of the most important research areas in network analysis is link prediction [46]. The objective of link prediction is to forecast prospective links from existing topological information of the network or identify unobserved links from the existing network structure. Link prediction is exploited to identify and categorize the human behavior and activity [1] in social networks. Link prediction can be applied to detect criminals and terrorists via their secret contacts [29] in social security networks. Link prediction is also employed to analyze the trend of changes in sensor networks [48], to perform web searches in the World Wide Web [17], to obtain the best possible routing [18], and to guarantee the confidentiality of information transmission [27]. In recent years, bipartite link prediction has been widely applied in areas such as recommendation [32,42,47], scientist-paper cooperation analysis [24], scientific paper impact prediction [22], medical parameter network analysis [19,20], and protein interaction prediction [13].
1-مقدمه
شبکه ها می توانند به طور طبیعی به توصیف انواع ساختارهای اجتماعی می پردازند. در این شبکه ها، رئوس نشان دهنده افراد بوده در حالی که یال ها نشان دهنده روابط بین افراد از جمله شرکت ها یا سازمان ها می باشد. تحلیل شبکه اجتماعی توجه زیادی را در زمینه جامعه شناسی، علم رایانه و فیزیک به خود جلب نموده است. آن به تحلیل و بررسی روابط بالقوه بین اشیا اجتماعی می پردازد. اخیرا تحلیل شبکه پیچیده توجه زیادی در زمینه های تجاری از جمله تحلیل کسب و کار الکترونیکی و مدل سازی بازار به خود جلب نموده است.
یکی از مهمترین زمینه های تحقیقاتی در تحلیل شبکه، پیش بینی اتصال می باشد. هدف پیش بینی اتصال پیش بینی اتصال های مد نظر از اطلاعات مکان شناسی موجود شبکه سا تعیین اتصال های مشاهده نشده از ساختار شبکه موجود می باشد. پیش بینی اتصال برای تعیین و گروه بندی رفتار و فعالیت انسان در شبکه های اجتماعی مورد بهره برداری قرار می گیرد. پیش بینی اتصال را می توان برای تشخیص مجرمین و تروریست ها از طریق تماس های مخفیانه آنها در شبکه های امنیت اجتماعی به کار برد. پیش بینی اتصال همچننی برای تحلیل روند تغییرات در شبکه های حس گر به کار می رود تا تحقیقت وب در شبکه جهان گستر انجام دهد تا بهترین مسیر یابی ممکن به دست آید و تضمین اعتماد در انتقال اطلاعات باشد. در سال های اخیر پیش بینی اتصال دو طرفه در زمینه هایی از جمله توصیه، تحلیل همکاری مقاله –دانشمند، پیش بینی تاثیر مقاله علمی، تحلیل شبکه پارامتر پزشکی و پیش بینی تاثیر متقابل پروتیئن به کار رفته است.
