ترجمه مقاله الگوریتم مبتنی بر نمونه جهت پیش بینی اتصال در شبکه های زمانی - نشریه الزویر

قیمت خرید این محصول

۳۹,۰۰۰ تومان

دانلود رایگان نمونه دانلود مقاله انگلیسی

عنوان فارسی

الگوریتم مبتنی بر نمونه جهت پیش بینی اتصال در شبکه های زمانی

عنوان انگلیسی

Sampling-based algorithm for link prediction in temporal networks

صفحات مقاله فارسی

27

صفحات مقاله انگلیسی

14

سال انتشار

2016

نشریه

الزویر - Elsevier

فرمت مقاله انگلیسی

PDF

فرمت ترجمه مقاله

ورد تایپ شده

رفرنس

دارد

کد محصول

7691

وضعیت ترجمه عناوین تصاویر و جداول

ترجمه شده است

وضعیت ترجمه متون داخل تصاویر و جداول

ترجمه نشده است

وضعیت فرمولها و محاسبات در فایل ترجمه

به صورت عکس، درج شده است

رشته های مرتبط با این مقاله

مهندسی کامپیوتر و مهندسی فناوری اطلاعات

گرایش های مرتبط با این مقاله

مهندسی الگوریتم ها و محاسبات و شبکه های کامپیوتری

مجله

علوم اطلاعاتی - Information Sciences

دانشگاه

دانشکده مهندسی اطلاعات، دانشگاه یانگژو، چین

کلمات کلیدی

پیش بینی اتصال، گام تصادفی، انتخاب نمونه، شبکه زمانی

۰.۰ (بدون امتیاز)

امتیاز دهید

فهرست مطالب

چکیده
1-مقدمه
2- ماتریس تبدیل برای شبکه های زمانی
3-گام تصادفی محلی
1-3 گام تصادفی محلی
2-3 گام تصادفی تحمیل شده
4- محاسبه تشابه مبتنی بر نمونه
1-4 برآورد SRW با انتخاب نمونه مسیر
2-4 انتخاب مسیر با گام تصادفی
3-4 اندازه مجموعه مسیر انتخاب نمونه
4-4 الگوریتم برآورد تشابه شامل گره داده شده
5- تحلیل پیچیدگی زمانی
6-تحلیل و نتایج تجربی
1-6 مجموعه داده های آزموده شده
یک- واقعیت پردازی
دو- بحث
سه- پاسخ لیست ارسالی هسته لیناکس
چهار- پیام های ایروین یو.سی
پنج- پروژه کتابخانه کتابنگاری دیجیتال
2-6 ساختار آزمایش
3-6 تحلیل و نتایج آزمایشی
7- نتایج و آثار آتی

نمونه چکیده متن اصلی انگلیسی

Abstract

The problem of link prediction in temporal networks has attracted considerable recent attention from various domains, such as sociology, anthropology, information science, and computer science. In this paper, we propose a fast similarity-based method to predict the potential links in temporal networks. In this method, we first combine the snapshots of the temporal network into a weighted graph. A proper damping factor is used to assign greater importance to more recent snapshots. Then, we construct a sub-graph centered at each node in the weighted graph by a random walk from the node. The sub-graph constructed consists of a set of paths starting from the given node. Because the similarity score is computed within such small sub-graphs centered at each node, the algorithm can greatly reduce the computation time. By choosing a proper number of sampled paths, we can restrict the error of the estimated similarities within a given threshold. While other random walk-based algorithms require O(n3) time for a network with n nodes, the computation time of our algorithm is O(n2), which is the lowest time complexity of a similarity-based link prediction algorithm. Moreover, because the proposed method integrates temporal and global topological information in the network, it can yield more accurate results. The experimental results on real networks show that our algorithm demonstrates the best or comparable quality results in less time than other methods.

نمونه چکیده ترجمه متن فارسی

چکیده
مسئله پیش بینی اتصال در شبکه های زمانی توجه زیادی را در زمینه های مختلف از جمله جامعه شناسی، انسان شناسی، علم اطلاعات و علم رایانه به خود جلب نموده است. در این مقاله روش تشابه محور سریع برای پیش بینی اتصال های بالقوه در شبکه های زمانی مطرح می کنیم. در این روش، ابتدا به ترکیب تصاویر کلی شبکه زمانی در گراف وزن دار می پردازیم. عامل مناسب بازدارنده برای تعیین اهمیت بیشتر به تصاویر کلی به کار می رود. سپس گراف فرعی با مرکزیت در هر گره در گراف وز ندار با گام تصادفی از گره ساختاربندی می کنیم. گراف فرعی ساختاربندی شده شامل یک سری مسیرها با شروع از گره داده شده می باشد. چون امتیاز تشابه درون گراف های فرعی کوچک با مرکزیت درون هر گره محاسبه می شود، الگوریتم می تواند به طور زیاد زمان محاسبه را کاهش دهد. با انتخاب تعداد مناسب مسیرهای نمونه گیری شده، می توانیم خطای تشابه برآوردی درون آستانه داده شده محدود کنیم. در حالی که الگوریتم های گام تصادفی دیگر نیاز به( O(n^3 زمان برای شبکه دارای nگره دارد، زمان محاسبه الگوریتم ما برابر ( O(n^2 می باشد که پایین ترین پیچیدگی زمانی الگوریتم پیش بینی اتصال تشابه محور می باشد. علاوه بر این چون روش پیشنهادی اطلاعات مکان شناسی جهانی و زمانی را در شبکه ادغام می کند، آن می تواند نتایج دقیق تری به دست دهد. نتایج آزمایشی در شبکه های حقیقی نشان می دهد که الگوریتم ما نشان دهنده بهترین بوده یا اینکه کیفیت قابل قیاس منجر به زمان کمتر در مقایسه با روش های دیگر می شود.

برچسب‌ها: دانلود رایگان مقالات انگلیسی مهندسی فناوری اطلاعات IT، دانلود رایگان مقالات انگلیسی مهندسی کامپیوتر