Abstract— Online social networks like Facebook recommend new friends to users based on an explicit social network that users build by adding each other as friends. The majority of earlier work in link prediction infers new interactions between users by mainly focusing on a single network type. However, users also form several implicit social networks through their daily interactions like commenting on people’s posts or rating similarly the same products. Prior work primarily exploited both explicit and implicit social networks to tackle the group/item recommendation problem that recommends to users groups to join or items to buy. In this paper, we show that auxiliary information from the useritem network fruitfully combines with the friendship network to enhance friend recommendations. We transform the well-known Katz algorithm to utilize a multi-modal network and provide friend recommendations. We experimentally show that the proposed method is more accurate in recommending friends when compared with two single source path-based algorithms using both synthetic and real data sets.
Keywords—link prediction, friend recommendation

چکيده:  شبکه های اجتماعی آنلاین نظیر Facebook دوستان جدیدی را به کاربران پیشنهاد می کنند که این فرآیند مبتنی بر یک شبکه اجتماعی صریح و شفاف می باشد که در آن، کاربران با افزودن یکدیگر در قالب دوست به ایجاد شبکه می پردازند. بخش بزرگی از کار اولیه در پیش بینی لینک، بواسطه تمرکز بر یک نوع شبکه واحد، به استنتاج تعاملات جدید میان کاربران می پردازد. با این حال، کاربران نیز از طریق تعاملات روزانه خود از قبیل نظردهی به پست های افراد و یا رتبه بندی مشابه یکسری محصولات مشترک بین افراد مختلف، چندین شبکه اجتماعی ضمنی را ایجاد می نمایند. کار قبلی ما اصولا از هر دو شبکه اجتماعی صریح و ضمنی استفاده می نمود تا اینکه مساله پیشنهاد گروه/ آیتم را رفع نماید. این مساله گروه هایی را جهت پیوستن به کاربران معرفی می کند و یا اینکه آیتم هایی را جهت خرید به آنها توصیه می نماید. در این مقاله نشان می دهیم که اطلاعات تکمیلی حاصل از شبکه آیتم کاربر به صورت موفقیت آمیز با شبکه دوستی ترکیب می شود تا اینکه پروسه های پیشنهاد رابطه دوستی را بهبود بخشد. ما الگوریتم معروف Katz را بگونه ای تغییر می دهیم که از یک شبکه چند وجهی استفاده کرده و پیشنهادات دوستی را ارائه نماید. ما از طریق آزمون و با استفاده از مجموعه داده های واقعی و ساختگی، نشان می دهیم که روش پیشنهادی ما در مقایسه با دو الگوریتم مسیر-محور با منبع واحد، با دقت بیشتری روابط دوستی را پیشنهاد می کند.
کلمات کليديـ پیش بینی لینک، پیشنهاد دوستی