Abstract— Currently, online social networks and social media have become increasingly popular showing an exponential growth. This fact have attracted increasing research interest and, in turn, facilitating the emergence of new interdisciplinary research directions, such as social network analysis. In this scenario, link prediction is one of the most important tasks since it deals with the problem of the existence of a future relation among members in a social network. Previous techniques for link prediction were based on structural (or topological) information. Nevertheless, structural information is not enough to achieve a good performance in the link prediction task on large-scale social networks. Thus, the use of additional information, such as interests or behaviors that nodes have into their communities, may improve the link prediction performance. In this paper, we analyze the viability of using a set of simple and non-expensive techniques that combine structural with community information for predicting the existence of future links in a large-scale online social network, such as Twitter. Twitter, a microblogging service, has emerged as a useful source of informative data shared by millions of users whose relationships require no reciprocation. Twitter network was chosen because it is not well understood, mainly due to the occurrence of directed and asymmetric links yet. Experiments show that our proposals can be used efficiently to improve unsupervised and supervised link prediction task in a directed and asymmetric large-scale network.
Keywords—Link prediction , Community detection , Social networks , Link analysis , Social networks analysis , Social network behavior analysis , Microblogging , Social influence , Twitter

چکيده:  در حال حاضر، رسانه ها و شبکه های اجتماعی آنلاین بصورت فزاینده ای در حال گسترش و تعمیم هستند و یک رشد نمایی را نشان می دهند. این واقعیت موجب جذب فزاینده گرایشات تحقیقاتی شده است که به نوبه خود، ظهور راه های تحقیقاتی جدید «میان رشته ای» نظیر «تحلیل شبکه اجتماعی» را موجب شده است. در این سناریو، «پیش بینی لینک» یکی از مهمترین وظایف می باشد؛ چرا که این پروسه با مساله وجود یک ارتباط آتی میان کاربران یک شبکه اجتماعی سر و کار دارد. تکنیک های قبلی جهت پروسه پیش بینی لینک، مبتنی بر اطلاعات ساختاری (یا توپولوژیکی) بودند. با این وجود، اطلاعات ساختاری برای دستیابی به یک عملکرد مناسب در پروسه پیش بینی لینک در شبکه های اجتماعی با ابعاد بزرگ، ناکافی هستند. لذا استفاده از اطلاعات اضافی نظیر گرایشات و یا رفتار هایی که گره ها در اجتماعات خود دارند، می تواند کارایی پیش بینی لینک را بهبود بخشد. ما در این مقاله به منظور پیش بینی وجود لینک های آتی در یک شبکه اجتماعی آنلاین در ابعاد گسترده نظیر Twitter، امکان استفاده از مجموعه ای از تکنیک های ساده و ارزان قیمت را - که اطلاعات ساختار را با اطلاعات اجتماع ترکیب می نمایند - مورد تجزیه و تحلیل قرار می دهیم. Twitter - که یک سرویس میکرو بلاگ می باشد - به عنوان منبعی از اطلاعات آگاهی بخش و آموزنده پا به عرصه ظهور گذاشت. اطلاعات این سرویس توسط میلیون ها کاربری به اشتراک گذاشته می شود که ارتباطات آنها نیازمند عمل متقابل نمی باشد. شبکه Twitter به این دلیل انتخاب شده است که هنوز درک خوبی از آن وجود ندارد. علت این عدم شناخت کافی، ناشی از وقوع لینک های جهتدار و نامتقارن در شبکه است. آزمون ها نشان می دهند که طرح های پیشنهادی ما می توانند به صورت موثر و کارآمد برای بهبود پروسه پیش بینی لینک «نظارت شده» و «نظارت نشده» در یک شبکه اجتماعی گسترده با لینک های جهتدار و نامتقارن بکار روند.
کلمات کليديـ پیش بینی لینک، تشخیص اجتماع، شبکه های اجتماعی، تحلیل لینک، تحلیل شبکه های اجتماعی، تحلیل رفتار شبکه اجتماعی، میکروبلاگ نویسی, تاثیر اجتماعی، Twitter