ارائه یک سیستم پیشنهاددهنده بهینه دوست مبتنی بر رتبه بندی در شبکه های اجتماعی با استفاده از الگوریتم کلونی زنبورهای مصنوعی

پیشنهاد دوست یک مسئله قابل توجه در شبکه های اجتماعی به شمار می آید، که هدف آن پیشنهاد دادن روابط دوستی جدید به کاربران است. در این تحقیق روشی جدید برای پیشنهاد بهینه دوست در شبکه های اجتماعی مبتنی بر ساختار گراف شبکه و الگوریتم کلونی زنبورهای مصنوعی ارائه شده است. در این روش برای پیشنهاد دوست به یک کاربر، ابتدا زیرگراف شبکه شامل کاربر مورد مطالعه و تمامی کاربران متصل به او تا 3 درجه فاصله تشکیل می شود. تمامی کاربرانی که دوست دوست کاربر مورد مطالعه باشند، به عنوان نامزد انتخاب شدن برای پیشنهاد به کاربر مورد مطالعه در نظر گرفته می شوند. سپس 4 معیار در این زیرگراف به ازای هر کاربر نامزد محاسبه می گردد. در نهایت یک رتبه بندی از گزینه های موجود بر اساس معیارهای مذکور حاصل شده، و کاربرانی که ضریب اولویت آن ها از یک حد آستانه بیشتر باشد، توسط سیستم پیشنهاددهنده به کاربر مورد مطالعه معرّفی می شوند. الگوریتم کلونی زنبورهای مصنوعی برای تنظیم ضرایب وزنی این معیارها مورد استفاده قرار گرفته است. برای شبیه سازی، 1000 کاربر یوتیوب در نظر گرفته شده است. در واقع با این ترفند، روابط دوستی موجود در این داده به دو دسته داده آموزش و داده تست تقسیم شده اند. پس از بهینه سازی سیستم پیشنهادی با استفاده از الگوریتم کلونی زنبورهای مصنوعی، سیستم معرفی شده با استفاده از 20% روابط دوستی حذف شده تست می گردد. برای بررسی دقت روش پیشنهادی، همچنین ساختار روش پیشنهادی با استفاده از الگوریتم ژنتیک بهینه سازی گردید. در نهایت سیستم پیشنهادی با روش دوستان دوست (fof)، و یک روش ساختاری دیگر مبتنی بر الگوریتم ژنتیک مقایسه شده است. همچنین از سیستم های تشخیص الگو شامل الگوریتم k-نزدیک¬ترین همسایه و ماشین بردار پشتیبان نیز برای شبیه سازی و مقایسه استفاده شده است.