Khóa luận tốt nghiệp: Dự báo liên kết trong mạng xã hội dựa trên độ đo tương đồng

Trong bối cảnh bùng nổ của các nền tảng mạng xã hội và sự gia tăng dữ liệu tương tác, vấn đề dự báo liên kết đã trở thành một lĩnh vực nghiên cứu trọng yếu trong phân tích mạng xã hội. Khả năng dự đoán sự hình thành các mối quan hệ mới không chỉ có ý nghĩa lý thuyết sâu sắc mà còn mang lại giá trị ứng dụng to lớn trong nhiều lĩnh vực như hệ thống gợi ý, marketing và truy hồi thông tin. Nghiên cứu này tập trung làm sáng tỏ bài toán dự báo liên kết, đặc biệt nhấn mạnh tầm quan trọng của nó. Mục tiêu chính là khám phá và áp dụng các phương pháp dự báo dựa trên độ đo tương đồng để xây dựng một mô hình thực nghiệm, góp phần hiểu rõ hơn về cách thức các liên kết được hình thành và phát triển trong mạng xã hội.

Sinh viên, nhà nghiên cứu và các chuyên gia trong lĩnh vực Hệ thống thông tin, Khoa học máy tính, và phân tích mạng xã hội, đặc biệt những người quan tâm đến bài toán dự báo liên kết và các thuật toán dựa trên độ đo tương đồng.

Nghiên cứu này đi sâu vào bài toán dự báo liên kết trong mạng xã hội, một thách thức cơ bản với nhiều ứng dụng tiềm năng từ truy hồi thông tin, hệ thống gợi ý cho đến phân tích thị trường. Bắt đầu bằng việc trình bày bối cảnh và tầm quan trọng của dự báo liên kết, khóa luận đã xem xét tổng quan các kỹ thuật hiện có và tập trung vào các phương pháp dựa trên độ đo tương đồng. Mục tiêu chính là xây dựng một mô hình dự báo liên kết hiệu quả. Phương pháp tiếp cận bao gồm việc tìm hiểu sâu các thuật toán dựa trên độ đo tương đồng như Common Neighbors, Salton Index, Sorensen Index và Preferential Attachment. Sau đó, mô hình dự báo được áp dụng và thực nghiệm trên một tập dữ liệu nhỏ lấy từ mạng xã hội Enron Email. Quy trình này bao gồm việc xây dựng đồ thị lấy mẫu, triển khai các thuật toán và đánh giá độ chính xác. Giá trị ứng dụng của công trình nằm ở việc kiểm định thực tế các độ đo tương đồng trong bối cảnh cụ thể của mạng xã hội. Tuy nhiên, kết quả đạt được từ các thử nghiệm cho thấy rằng các phương pháp này chưa mang lại hiệu suất khả quan như mong đợi. Điều này đặt ra các hàm ý quan trọng cho các nghiên cứu tiếp theo về việc cải tiến thuật toán hoặc khám phá các phương pháp dự báo liên kết phức tạp hơn để đạt được độ chính xác cao hơn.