پروپوزال پیش بینی حداکثر لینک تعادلی در شبکه اجتماعی واقعی با کمک روش فازی

ین پروپوزال با موضوع "پیش بینی حداکثر لینک تعادلی در شبکه اجتماعی واقعی با کمک روش فازی" می باشد. فایل  Word, Pdf پس از خرید محصول، قابل دانلود است. همچنین تعداد صفحات این پروپوزال 11 صفحه با رعایت قالب استاندارد دانشگاه می باشد. کلیه نکات نگارشی مطابق با استاندارهای پژوهشی انجام شده است.

امکانات اصلی این پروپوزال پس از خرید عبارتند از:
  امکان دانلود فایل Word پروپوزال
  امکان دانلود فایل Pdf پروپوزال

توجه : در صورت نیاز به پایان نامه، پروپوزال یا شبیه سازی مشابه با این محصول و همچنین اصلاحات پس از خرید کافی است با تیم پشتیبانی "ناب تزیز" از طریق پیامک یا واتساپ ارتباط برقرار نمایید.

شبکه های واقعی بزرگ، گستره ای از ویژگی ها و الگوهای جالب توجه را نشان می دهند. یکی از موضوعات تکرار شونده در این حوزه تحقیقاتی، طراحی مدل هایی است که وقوع این چنین ساختارهای شبکه ای را پیش بینی نموده و باز تولید می نمایند. بنابراین، پروسه های تحقیقاتی در جست و جوی توسعه مدل هایی هستند که به صورت دقیق، ساختار سراسری شبکه را پیش بینی کنند.
بسیاری از انواع شبکه ها و بویژه شبکه های اجتماعی، ‌تا حد زیادی دینامیک و پویا هستند؛ این شبکه ها از طریق افزودن یال های جدیدی که معرف وجود تراکنش های جدید میان گره های شبکه می باشند، به سرعت رشد کرده و تغییر می یابند. بنابراین، مطالعه شبکه ها در سطح ایجاد یال های مجزا مورد توجه می باشد و حتی به لحاظ برخی ویژگی ها، مشکلتر از مدلسازی سراسری شبکه است. تشخیص مکانیسم هایی که این شبکه های اجتماعی با استفاده از آنها در سطح یال های مجزا رشد می نمایند؛ هنوز هم به خوبی درک نشده است و در واقع همین موضوع انگیزه ای برای کار تحقیقاتی ما می باشد. ما مساله کلاسیک پیش بینی لینک را در نظر می گیریم؛ به این صورت که نمایی از شبکه اجتماعی را در لحظه t در اختیار داریم و به دنبال این هستیم که به طور دقیق، یال هایی را که در بازه زمانی t تا   (زمانی در آینده) به شبکه افزوده می شوند، پیش بینی نماییم. صورت ملموس تر این مساله به این ترتیب است که ما نمایی از یک شبکه اجتماعی بزرگ   شبکه اجتماعی Facebook   را  در لحظه t در اختیار داریم و برای هر کاربر می خواهیم پیش بینی کنیم که چه یال های جدیدی (دوستی ها) توسط آن کاربر در بازه زمانی t (زمان فعلی) و   (زمانی در آینده) ایجاد می شود. این مساله را می توان به صورت یک مساله «پیشنهاد لینک» نیز در نظر گرفت؛ به این صورت که هدف ما این است که لیستی از افرادی را که یک کاربر، احتمالا با آنها ارتباط برقرار خواهد کرد، به او پیشنهاد دهیم.
پروسه های راهنمای ایجاد لینک، از منظری فراتر از یک دیدگاه صرفا علمی، مورد توجه می باشند. سیستم فعلی شبکه اجتماعی Facebook برای پیشنهاد دادن دوستان جدید، عامل میزان قابل توجهی از فرآیند های ایجاد لینک می باشد و در واقع جایگاه و ارزش کاربران این شبکه اجتماعی را ارتقاء می بخشد. با ارائه پیش بینی های بهتر قادر خواهیم بود تا از این ویژگی (پیشنهاد دوستان) استفاده بیشتری نموده و آن را برای اعضای شبکه اجتماعی Facebook ، کارآمد تر و مفید تر نماییم.
 چالش ها: مسائل «پیش بینی لینک» و «پیشنهاد لینک» حداقل از 2 دیدگاه، چالش برانگیز می باشند. اول اینکه، ‌شبکه های واقعی، بسیار پراکنده می باشند؛ به این معنا که گره های موجود در این شبکه ها تنها با کسر کوچکی از تمامی گره های شبکه ارتباط دارند. برای مثال، در مورد شبکه اجتماعی Facebook، یک کاربر به صورت معمول تنها به حدود 100 گره از 500 میلیون گره موجود در شبکه متصل می باشد. بنابراین یک روش بسیار خوب (و متاسفانه بدون استفاده) برای پیش بینی یال ها، عبارت است از پیش بینی یال های غیر جدید. چرا که این روش تقریبا دقت پیش بینی نزدیک به کاملی را بدست می دهد (به عبارت دیگر، از میان 500 میلیون پیش بینی ممکن، تنها 100 مورد اشتباه وجود دارد). چالش دوم ظریف تر می باشد؛‌ اینکه لینک های شبکه اجتماعی را تا چه میزان می توان با استفاده از ویژگی های ذاتی مربوط به شبکه مدلسازی نمود. مشابه اینکه مشخصات کاربران (نظیر سن، جنسیت، شهر محل تولد) چگونه در ایجاد یال های جدید نقش دارند. در این مورد، برای نمونه، شبکه اجتماعی Facebook را در نظر بگیرید. دلایل خارج از شبکه بسیار زیادی می توانند وجود داشته باشند تا اینکه دو کاربر با یکدیگر ارتباط برقرار نمایند: این دلیل می تواند به این صورت باشد که کاربران در یک مهمانی یکدیگر را ملاقات می کنند و در نتیجه در شبکه Facebook به یکدیگر مرتبط می شوند. با این وجود، از آنجا که آنها در یک مهمانی همدیگر را ملاقات کرده اند، احتمالا همسن می باشند و در یک شهر واحد زندگی می کنند. بعلاوه این لینک همچنین می تواند بیانگر ساختار شبکه باشد : به این صورت که، دو نفر با احتمال بیشتری یکدیگر را در مهمانی ملاقات می کنند؛ اگر که موقعیت آنها در شبکه،‌ نزدیک به یکدیگر باشد. این زوج از افراد، احتمالا دوستان مشترکی دارند و در حلقه های اجتماعی یکسانی فعالیت می کنند. بنابراین، صرف نظر از این واقعیت که آنها بواسطه یک رویداد خارج از شبکه (مثلا یک مهمانی) با یکدیگر دوست شوند، علامت هایی در حلقه های اجتماعی آنها وجود دارند که احتمال بالایی از دوستی در آینده را بیان می نمایند. لذا پرسشی که مطرح می باشد این است که ویژگی های گره و شبکه، چگونه در راستای ایجاد لینک های جدید با یکدیگر تعامل برقرار می کنند. از دیدگاه ایجاد لینک، پرسشی که مطرح می باشد به این صورت است که: داشتن علایق و مشخصات مشترک تا چه اندازه دارای اهمیت است؟ بعلاوه پرسش دیگری که وجود دارد این است که: بودن در یک حلقه اجتماعی واحد و یا نزدیک بودن در شبکه تا چه اندازه در بحث برقراری ارتباط، مهم می باشد. از دیدگاه فنی، چگونگی ایجاد متدی باقاعده که بتواند ویژگی های گره ها (یا همان اطلاعات پروفایل کاربر) و ویژگی های یال ها (یا همان اطلاعات تراکنش) را با ساختار شبکه ترکیب نماید، نامشخص و مبهم می باشد. یک روش متداول (که البته نتیجه آن تا حدودی رضایتبخش نمی باشد) این است که به صورت ساده، مجموعه ای از ویژگی ها که ساختار شبکه را در اطراف دو گره مورد نظر ما توصیف می کنند (نظیر درجه گره،‌ تعداد دوستان مشترک، کوتاه ترین طول مسیر) استخراج نماییم و آنها را با اطلاعات پروفایل کاربر ترکیب کنیم. (Backstrom, &Lesckovec, 2011).