با توجه به تعریف و خصوصیات هر “اجتماع” می توان اینطور بیان کرد که اساس شکل گیری شبکه های اجتماعی ایجاد رابطه بین افراد عضو برای دوستی، تبادل نظر و غیره می باشد. شاید بتوان چنین بیان کرد که شکل گیری روابط در شبکه های اجتماعی هم عامل انگیزشی برای برپایی و تشکیل آن ها می باشد و هم گاهی مهمترین هدفی است که یک شبکه ی اجتماعی دنبال می کند. شکل گیری رابطه از خصوصیات بارز و اولیه و از نیازهای اعضا و افراد هر اجتماع و جامعه ای می باشد و در این بین شبکه های اجتماعی و مجازی از این مسئله مستثنی نیستند. روابط از نظر منطقی می توانند یکطرفه یا دو طرفه باشند. شکل گیری هر رابطه ای نیاز به فرد یا افرادی دارد که خواهان شکل گیری رابطه برای هدف مشخصی می باشند. هر چند در عالم واقع و در جوامع و اجتماعات واقعی روابط یک طرفه بین انسان ها چندان معنا و رواج ندارد اما در شبکه های اجتماعی می توان این مسئله را راحت تر پذیرفت و آن را منطقاّ پیاده سازی کرد. با این توضیحات در می یابیم که در شبکه های اجتماعی می توان روابط میان اعضا را به صورت یک گراف که در برخی جهت دار و در برخی دیگر بی جهت است در نظر گرفت.

(( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. ))

در این گراف ساختارهای حاصل اغلب بسیار پیچیده هستند. تحلیل شبکه های اجتماعی روابط اجتماعی را با اصطلاحات رأس و یال مینگرد. رأسها بازیگران فردی درون شبکه ها و یالها روابط میان این بازیگران هستند.انواع زیادی از یالها می تواند میان رأسها وجود داشته باشد. تحقیق در تعدادی از زمینه های آکادمیک نشان داده است که شبکه های اجتماعی در بسیاری از سطوح به کار گرفته میشوند از خانواده ها گرفته تا ملتها و نقش مهمی در تعیین راه حل مسائل، اداره کردن تشکیلات و میزان موفقیت افراد در رسیدن به اهدافشان ایفا می کند. در ساده ترین شکل یک شبکه اجتماعی نگاشتی از تمام یالهای مربوط، میان رأس های مورد مطالعه است. شبکه اجتماعی هم چنین میتواند برای تشخیص موقعیت اجتماعی هر یک از بازیگران مورد استفاده قرار گیرد. این مفاهیم غالبا در یک نمودار شبکه اجتماعی نشان داده میشوند که درآن، نقطه ها رأس ها هستند و خط ها نشانگر یالها میباشد.
۲–۴ اهداف تحلیل شبکه های اجتماعی
شبکه های اجتماعی به دلایل مختلفی و در زمینه های متعددی مورد تحلیل و بررسی قرار می گیرد. این شبکه ها از مدتها پیش توجه متخصصین، جامعه شناسان، دانشمندان، تجار و دارندگان کسب وکار، تحلیلگران سیاسی و فرهنگی را به خود جلب نموده است به گونه ای که هر دسته از گروه های فوق از دید تخصصی خود به تحلیل شبکه پرداخته و به اطلاعات مورد نیازشان دست می یابند [۹] .
بطور کلی شبکه های اجتماعی می توانند از دو منظر مورد کاوش و تحلیل قرار گیرند.
منظر ویژگی های شبکه که ویژگی های ساختاری شبکه از جمله شناسایی گره ها و اتصالات مهم شبکه، استخراج ماتریس هم بستگی، هم ارزی ساختاری، دینامیک انتشار خبر، مقاومت شبکه در برابر تهدیدها و غیره را مورد بررسی قرار می دهد.
منظر نیازمندی های فنی که به بررسی و کاوش پیرامون دلایل موفقیت یک شبکه اجتماعی در اهدافی که دنبال می کند، می پردازد. بدین منظور بایستی شاخص های ارزیابی شبکه اجتماعی شناسایی شده و مورد بررسی قرار گیرند.
۲–۵ حوزه های مختلف فعالیت در تحلیل شبکه های اجتماعی
فعالیت های مختلفی در عرصه تحلیل شبکه های اجتماعی بر روی گراف و اطلاعات مربوط به این شبکه ها صورت می گیرد [۱۱]. عمده این فعالیت ها عبارتند از:
گشت تصادفی^[۳۱] : برای جستجو در شبکه اجتماعی و تخمین احتمال مشاهده هر رأس به کار می رود. روش کار آن به این صورت است که به هر رأس رتبه ای را نسبت می دهد و بر همین اساس در هر گام به احتمالی که مطابق با رتبه مورد نظر است، رأسی را انتخاب کرده و به پیش می رود.
شناخت انجمن ها و اجتماعات :^[۳۲] این کار به کلاستربندی رأس های موجود در گراف شبکه اجتماعی بسیار نزدیک است و تلاش در ناحیه بندی شبکه ها دارد.
دسته بندی رأس در شبکه اجتماعی: برخی از رأس ها برچسب دارند. با بررسی ارتباطات بین آنها پی به همبستگی بین این برچسب ها برده می شود و دسته بندی رأس ها صورت می گیرد.
انقلاب در شبکه های اجتماعی دینامیک^[۳۳] : شبکه های اجتماعی موجودیت هایی ذاتاً دینامیک هستند. در هر لحظه عضوی به شبکه اضافه می شود و عضو دیگری از آن جدا می شود. لینکی ارتباطی برقرار شده و لینک دیگری قطع می شود. و همه این موارد منجر به ایجاد تغییرات دایمی در ساختار شبکه می شود. بررسی این تغییرات و این که چه قوانینی بر دینامیک شبکه حاکم است مربوط به فعالیت های این حوزه می شود.
آنالیز تأثیر اجتماعی : ^[۳۴]در این شبکه ها بواسطه تعامل افراد با یکدیگر بر روی رفتار کاربران تأثیراتی مشاهده می شود. مدل کردن طبیعت این تأثیرات و انتشار تأثیر و نیز بررسی اینکه کدام بازیگردر انتشار این تأثیرات موثرتر است، از فعالیت های این بخش می باشد.
یافتن متخصص در شبکه ها:^[۳۵] در این حوزه بر اساس ویژگی هایی افراد متخصص برای یک کار خاص را در شبکه اجتماعی شناسایی می کنند.
پیش بینی لینک در شبکه اجتماعی : این مبحث مربوط به برآورد احتمال ایجاد لینک بین دو رأس که قبلاً لینکی با هم نداشته اند، می باشد و از کاربردهای آن ارائه پیشنهاداتی برای یافتن دوست و یا کالا، یافتن شبکه افراد تروریست و غیره می باشد.
امنیت^[۳۶] در شبکه های اجتماعی : در این حوزه فعالیت، برای جلوگیری از نقض حریم های شخصی افراد، تکنیک های مختلفی به کار برده می شود که از جمله مهم ترین آنها تکنیک های گمنام سازی است.
بصری سازی^[۳۷] شبکه های اجتماعی: راهی برای خلاصه کردن اطلاعات برای درک راحت تر آن است. انواع بصری سازی ساختاری، معنایی، آماری و زمانی وجود دارد.
داده کاوی در شبکه های اجتماعی : از آنجایی شبکه های اجتماعی غنی از اطلاعات مختلف هستند، کاوش در این شبکه ها می تواند محققان را به نتایج خوبی برساند. این کاوش ها معمولاً در رسانه های اجتماعی مانند تصاویر، فیلم ها و غیره صورت می گیرد.
متن کاوی^[۳۸] در شبکه های اجتماعی : شبکه های اجتماعی شامل مقدار زیادی متن در قالب های مختلف می باشد. لینک ها به پست ها بلاگ ها و یا مقالات خبری، برچسب هایی که کاربرها بر روی یکدیگر می گذارند.
علامتگذاری اجتماعی ^[۳۹]: tagتوضیحات کوتاهی است که فرد به اشیای مختلف اختصاص می دهد. اینها معمولا اطلاعات خوبی را در تحلیل شبکه های اجتماعی بدست می دهند.
علاوه بر موارد فوق حوزه های فعالیت دیگری نیز در تحلیل شبکه های اجتماعی وجود دارد. اما در این میان حوزه ای که محدوده فعالیت این پایان نامه را شامل می شود، حوزه پیش بینی لینک در شبکه های اجتماعی است که مفصلاً در فصل بعد شرح داده خواهد شد.
جمع بندی
با توجه به مسایل ذکر شده در فصل اول و گستره استفاده از شبکه های اجتماعی در اقصی نقاط جهان و حجم انبوه اطلاعاتی که در این شبکه ها رد وبدل می شود، اهمیت و ارزش تحلیل این نوع شبکه ها به وضوح مشاهده می شود.
در تحلیل شبکه های اجتماعی دو نوع کلی داده در اختیار داریم که می توانیم با بهره گرفتن از آنها به تحلیل و بررسی اطلاعات موجود در شبکه ها پرداخته و آنچه را در حوزه های مختلف مجازی، اجتماعی، اقتصادی، سیاسی و غیره نیاز داریم کسب نماییم. این دو نوع داده عبارتند از :
داده های حاصل از تحلیل ساختاری گراف شبکه و مبتنی بر لینکها: این اطلاعات با مطالعه رفتار لینکها، رأس های مهم و گسترش نواحی مختلف شبکه کشف و شناسایی می شوند.
داده های حاصل از تحلیل محتوایی: که مربوط به تحلیل تصاویر و متن های موجود به اشتراک گذاشته شده توسط کاربران شبکه های اجتماعی، می شود.
فعالیت های مختلفی که از جمله آن ها شناسایی اجتماعات و انجمن ها، آنالیز تأثیرات اجتماعی، یافتن افراد متخصص در شبکه اجتماعی و موارد دیگر است، در حوزه تحلیل شبکه های اجتماعی صورت می گیرد که ما در این میان پیش بینی لینک در شبکه های اجتماعی را که کاربردهای وسیعی در همه مسایلی که در ساختار گرافی ارائه می شوند دارد، به عنوان موضوع تحقیق و پایان نامه برگزیده ایم.

فصل سوم
پیش بینی لینک در شبکه های اجتماعی

۳–۱ مقدمه
شبکه اجتماعی ساختاری اجتماعی است که از گره هایی)که عموما فردی یا سازمانی هستند( تشکیل شده است و این گره ها توسط یک یا چند نوع خاص از وابستگی به هم متصل اند. تحلیل شبکه های اجتماعی یا SNA که یک استراتژی برای تجزیه و تحلیل این ساختار است، ساختار اجتماع را به شکل یک گراف و افراد و روابط اجتماعی را با اصطلاحات رأس و یال می نگرد. رأس ها کنشگران فردی یا سازمانی درون شبکه ها هستند و یال ها روابط و لینکهای میان این کنشگران هستند. انواع زیادی از لینکها نیز می تواند میان رأس ها وجود داشته باشد و در شکل ۳-۱ گره ها و یال های متصل و غیر متصل به همدیگر نشان داده شده است.

شکل ۳-۱ ارتباطات بین افراد شامل گره و یال های متصل و غیر متصل در شبکه اجتماعی
شبکه های اجتماعی شبکه هایی دینامیک هستند که مدام در حال افزایش اعضا و ارتباطات و لینکهای بین آنها هستند و متأّسفانه این لینکها ممکن است به خاطر فرایند ایجاد ناقص و یا به خاطر این که این لینکها هنوز در این شبکه ها انعکاس نیافته اند)به عنوان مثال دوستان دنیای واقعی که یک ارتباط اجتماعی مجازی ایجاد نکرده اند(، از دست برود . [۱۱]اما نکته اینجاست که می توان با پیش بینی این لینکها امکان گسترش و تکمیل این شبکه ها و بازیابی اطلاعات و موارد از دست رفته را به انجام رساند. و بر همین اساس یکی از مسایل مهم در شبکه های اجتماعی، مساله پبش بینی لینک^[۴۰] است.پیش بینی لینک یک امر مهم برای تحلیل شبکه های اجتماعی است که کاربردهایی در حوزه های دیگر مثل بازیابی اطلاعات، بایوانفورماتیک و تجارت الکترونیک دارد. در حوزه علم وب و اینترنت می تواند در کارهایی ازقبیل ایجاد ابرلینک وب اتوماتیک و پیش بینی ابرلینک سایت های وب کاربرد داشته باشد. [۸] در تجارت الکترونیک، یکی از مهم ترین کاربردهای آن ایجاد سیستم های پیشنهاد دهنده^[۴۱] است.
شبکه های اجتماعی برخط دارای حجم انبوهی از داده هستند که می توانند با جستجو در میان آنها در این مورد که چه کسی ممکن است بخواهد با دیگری دوست شود، پیش بینی کنند و بر اساس این پیش بینی ها به کاربران پیشنهادات مناسب را ارائه دهند. برای مثال درشبکه های اجتماعی پیش بینی رابطه دوستی میان دو نفر ویا کشف روابط معنای بر اساس محتوی و لینک های درون سایتها به همدیگر از جمله موارد استفاده از پیش بینی لینک هستند. به عبارت دیگر اگر در زمان t یک تصویر لحظه ای از مجموعه لینک ها داشته باشیم، هدف پیش بینی لینک ها در زمان t+1 است که در شکل ۳-۲ نشان داده شده است. [۲, ۶ , ۷]
شکل ۳-۲ نمایی از پیش بینی لینک در زمان T+1
مجموعه داده های واقعی موجود در جهان می تواند به شکل شبکه هایی ارائه شوند که دارای رأس هایی هستند که نشان دهنده اشیا و لبه هایی هستند که نشان دهنده ارتباطات بین اشیا می باشند [۱۲] . همانطور که گفته شد، مثالی از این نوع مجموعه داده ها، داده های مربوط به شبکه های اجتماعی هستند که می توان آنها را در ساختار یک گراف شبکه به نمایش در آورد و برای تحلیل و کنکاش در این شبکه ها، از ساختار گراف موجود بهره گرفت و مساله پیش بینی لینک یکی از فعالیت های مهم و پرکاربرد در عرصه تحلیل شبکه های اجتماعی و البته تحلیل گراف های شبکه ای مختلف است.
پیش بینی لینک، به معنی پیش بینی احتمال برقراری یک ارتباط بین دو رأس با توجه به اطلاعات موجود در شبکه و نیز با دانستن اطلاعاتی در مورد ارتباطاتی که قبلاً ایجاد شده است، می باشد، البته با دانستن این مسأله که در حال حاضر ارتباطی بین این دو رأس وجود ندارد [۱۳].
۳-۲ -سابقه تحقیقات و مطالعات انجام گرفته
لیبن ناول و کلین برگ [۱۴] یکی از اولین مدل های پیش بینی لینک را که صراحتاً روی یک شبکه اجتماعی کار می کرد، پیشنهاد دادند. هر رأس در گراف نشان دهنده یک فرد و یک لبه بین دو رأس نمایانگر تعامل بین افراد است. الگوی یادگیری در این حالت، نوعاً شباهت بین یک جفت رأس را با بهره گرفتن از معیارهای مختلف شباهت مبتنی بر گراف استخراج می کند و از رتبه بندی بر روی نمرات شباهت برای پیش بینی لینک بین دو رأس استفاده می کند. آنها بیشتر بر روی کارایی معیارهای شباهت مختلف مبتنی بر گراف برای پیش بینی لینک متمرکز شدند. بعدها، حسن و همکاران [۱۵] این کار را به دو روش گسترش دادند. ابتدا، نشان دادند که استفاده از داده های خارجی بیرون از ساختار گراف می تواند به طور چشم گیری نتایج پیش بینی را بهبود بخشد. سپس از معیارهای شباهت مختلفی به عنوان ویژگی های موجود در یک یادگیری بانظارت استفاده کردند که در آن مساله پیش بینی لینک به عنوان یک کار دسته بندی باینری مطرح شد. پس از آن زمان رویکرد دسته بندی با نظارت در کارهای دیگر پیش بینی لینک مورد محبوبیت قرار گرفت. [ ۱۶ , ۱۷ , ۱۸]