یک روش مبتنی بر نظریه تعادل برای پیش بینی علامت در شبکه های اجتماعی علامت دار

ازجمله موضوعات مهم در حوزه تحلیل شبکه های اجتماعی، پیشبینی علامت یال در شبکه های اجتماعی علامتدار است. این مسئله در پی پیشبینی آن است که یک کاربر به کاربری دیگر در شبکه اجتماعی، اعتماد خواهد داشت یا عدم اعتماد. روابط بین این کاربران به صورت مثبت که نشانه دوستی و اعتماد است یا به صورت منفی که نشانه دشمنی و عدم-اعتماد است درنظر گرفته میشوند. برای این نوع پیشبینی، دو دسته روش کلی وجود دارند: (1 روشهای براساس یادگیری ماشین، و (2 روشهای براساس نظریه های اجتماعی مربوط به شبکه های اجتماعی . با توجه به اهمیت بهبود دقت پیشبینی علامت یال نسبت به روشهای موجود، در پژوهش حاضر از ترکیب هر دو دسته روشها، در این جهت استفاده شده است. در روش پیشنهادی، ابتدا مجموعه ای از ویژگیها بر اساس نظریه ی تعادل اجتماعی استخراج شده و سپس به عنوان ورودی به الگوریتم های یادگیری ماشین داده میشوند تا مدل دستهبندی ساخته شود. کلاسهای دسته بندی، دو کلاس مثبت و منفی هستند که براساس این دو کلاس مشخص میشود علامت یال مثبت یا منفی است. ارزیابی روش پیشنهادی بر روی مجموعه داده حقیقی بیت کوین و در مقایسه با استفاده از مجموعه ویژگی های محک در فرایند یادگیری، انجام شده، که نشاندهنده ی بهبود پیش بینی علامت یال در روش پیشنهادی است.

کلیدواژه ها:

شبکه های اجتماعی علامت دار ، پیشبینی علامت یال ، اعتماد ، عدم اعتماد ، نظریه تعادل