عنوان ترجمه فارسي
روش جدید پیش بینی پیوند سری های زمانی: روش اتوماتای یادگیر
نویسنده/ناشر/نام مجله :
Physica A: Statistical Mechanics and its Applications
سال انتشار : 2017
تعداد صفحات انگليسي : 16
تعداد صفحات فارسي : 27
نوع فایل های ضمیمه : Pdf+Word
عنوان مقاله انگليسي
A novel time series link prediction method: Learning automata approach
چکیده
پیشبینی پیوند یک چالش بزرگ در شبکه های اجتماعی است که از ساختار شبکه ای برای پیشبینی پیوندهای آتی استفاده میکند. روشهای رایج پیشبینی پیوند برای پیشبینی پیوندهای مخفی از نمایش گراف ایستا استفاده میکنند که در آن تصویری از شبکه برای یافتن پیوندهای آتی یا مخفی مورد استفاده قرار میگیرد. برای مثال، پیشبینی پیوند مبتنی بر معیار تشابه، روش سنتی رایجی است که معیار تشابه را برای تمامی پیوندهای غیرمتصل محاسبه نموده، پیوندها را براساس معیارهای تشابه آنها مرتب نموده و پیوندهای با امتیاز تشابه بالاتر را به عنوان پیوندهای آتی برچس بگذاری میکند. از آنجاکه فعالیتهای افراد در شبکه های اجتماعی، پویا و غیرقطعی است، و ساختار شبکه ها با گذشت زمان تغییر میکند، استفاده از گراف های قطعی برای مدلسازی و تحلیل شبکه ی اجتماعی نمیتواند روش مناسبی باشد. در مسأله ی پیشبینی پیوند سری های زمانی، احتمال وقوع پیوند سری های زمانی برای پیشبینی پیوندهای آتی مورد استفاده قرار میگیرد. ما در این مقاله یک روش پیشبینی پیوند سری های زمانی مبتنی بر اتوماتای یادگیر را پیشنهاد میکنیم. در الگوریتم پیشنهادی برای هر پیوندی که قرار است پیشبینی شود، یک اتوماسیون یادگیری داریم و هر اتوماسیون یادگیری در تلاش است وجود یا عدم وجود پیوند متناظر را پیشبینی کند. برای پیشبینی احتمال وقوع پیوند در زمان T، یک دنباله ی متشکل از مراحل 1 تا T-1 داریم و اتوماسیون یادگیری این مراحل را میپیماید تا وجود یا عدم وجود پیوند مربوطه را بیاموزد. زمانیکه احتمال وقوع پیوند سری های زمانی را در نظر بگیریم، آزمایشات اولیه ی پیشبینی پیوند با شبکه های ایمیل و نویسندگی مشترک، نتایج رضایت بخشی را فراهم می آورد.
1-مقدمه
پیشبینی ایجاد پیوند بین اشیاء داده، کار جالبی در حوزه ی پژوهشی داده کاوی است. پیشبینی ایجاد هایپرلینک وب، پیشبینی ژنتیکی، برهمکنش های پروتئین-پروتئین، و مسأله ی ایجاد پیوند بین داده ها، مثال هایی از این حوزه هستند. در مسأله ی پیشبینی پیوند، نمود داده ها به صورت نمایش شبکه/گراف است. این داده ها را میتوان به شکل گراف تجسم نمود، در این گراف، هر رأس متناظر با یک فرد بوده و هر پیوند، فرمی از تناظر بین افراد مرتبط را نشان میدهد [1، 2]. مفهوم پیوند در شبکه ی اجتماعی معمولاً یک تقاطع مشترک از شبکه ی اجتماعی متناظر است...
میتوانید از لینک ابتدای صفحه، مقاله انگلیسی را رایگان دانلود فرموده و چکیده انگلیسی و سایر بخش های مقاله را مشاهده فرمایید.
چطور این فایل رو دانلود کنم؟
برای دانلود فایل کافیه روی دکمه "خرید و دانلود" کلیک کنید تا صفحه "پیش فاکتور خرید" برای شما باز شود و مشخصات (نام و نام خانوادگی ، تماس و ایمیل ) رو با دقت ثبت کنید و روی دکمه "پرداخت آنلاین" کلیک کنید بعد از پرداخت هزینه از طریق سیستم بانکی به سایت برگشت داده میشوید و صفحه دانلود برای شما نمایش داده میشود
آیا فایل رو بلافاصله بعد از خرید تحویل می گیرم؟
بله. بلافاصله بعد از پرداخت آنلاین ، صفحه دانلود فایل برای شما نمایش داده میشود و می توانید فایل خریداری شده را دانلود نمایید
نمی توانم به صورت آنلاین خرید انجام دهم
در صورتی که امکان پرداخت آنلاین برای شما میسر نمی باشد می توانید هزینه فایل را به صورت آفلاین ( کارت به کارت) پرداخت نمایید تا فایل برای شما ارسال شود برای این کار کافیست در پیش فاکتور خرید مراحل خرید آفلاین را دنبال کنید
هزینه رو پرداخت کردم اما نمی توانم فایل را دانلود کنم
در سایت ام پی فایل چند روش پشتیبانی برای راحتی شما در نظر گرفتیم تا با سرعت بیشتری به پیام های شما رسیدگی کنیم. برای دریافت سریع فایل می تونید از گزینه پیگیری پرداخت یا تماس با ما (واقع در منوی بالای سایت) و یا از طریق شماره 09395794439 با ما در ارتباط باشید .
فایل دانلود شده با توضیحات ارائه شده مطابقت ندارد
اگر فایل با توضیحات ارائه شده توسط فروشنده همخوانی ندارد کافیست از طریق قسمت تماس با ما یا شماره 09395794439 با ما در میان بگذارید تا پیگیری های لازم صورت گیرد و فایل اصلی برای شما ارسال شود در صورتی که به هر دلیلی فایل اصلی در دسترس نباشد هزینه پرداختی شما برگشت داده میشود
برای به مشکل نخوردن در زمان خرید چه اقدامی انجام دهم ؟
برای اینکه در زمان پرداخت آنلاین به مشکل برخورد نکنید باید V P N خاموش باشد و از مرورگرهای موزیلا فایرفاکس و کروم استفاده کنید. و ضمنا در صفحه "پیش فاکتور خرید" مشخصات خود را به شکل صحیح وارد کنید تا در پیگیری های بعدی با مشکل مواجه نشوید