2.3.2 Méthodes basées sur l'apprentissage
supervisé
Les méthodes d'apprentissage sont basés sur des
nombreuses méthodes fournit par des mesures de similarités
basiques comme les mesures topologiques ou les mesures qui exploitent les
contenus des noeuds, les attributs internes et les informations externes,
nombreux méthodes ont étéproposéces
dernières années en citant par exemple la classification binaire
supervisé[MH13]
2.3.2.1 Classification binaire
Supposant que nous avons deux noeuds x, y E V dans le
réseau social G(V,E) et considérant L(x,y) est une
étiquette de ce pair de noeuds (x,y), dans la prédiction des
liens chaque paire de noeuds non connectécorrespond à une
instance inclut la classe et un ensemble des caractéristique
décrits les pair de noeuds, en plus , le pair
étiquetécomme négative s'il n'existe pas un lien entre ces
deux noeuds, s'il existe déjàun lien, il est
étiquetécomme positif, l'étiquette (x,y) est
définit comme suit :
f
+1 si (x,y)E E
l(x,y) =
-1 si (x,y)/E E
Ensuite nous pouvons construire un vecteur d'informations qui
contient un ensemble des valeurs (poids) des mesures de similaritéentre
tous les noeuds dans un réseau social plus une étiquète de
chaque paire, ensuite, nous utilisons n'importe quelle méthode
d'apprentissage supervisépour résoudre ce modèle en
l'occurrence les SVM, les réseaux de neurones et les méthodes
probabilistes comme les réseaux bayésiens...
Pour construire un classifieur efficace et donne des bonnes
prédiction de liens, il est important de définir et extraire un
ensemble de caractéristiques appropriépour chaque réseau
social, les caractéristiques fournit par les noeuds, la topologie et la
théorie social sont populaires et important pour les modèles de
classification, en plus, plusieurs études expérimentaux ont
montréque la combinaisons entre des attributs fournit par des noeuds et
des liens (comme l'âges ,les intérêts, nombres
d'interactions...) peuvent améliorer la précision d'un
classifieur, cependant ces informations ne sont pas toujours accessible pour
les fouilleurs.
| 
