3.1.2 Principe de la méthode
Comme nous avons citéprécédemment, au
lieu de considérer les items, nous considérons les voisins
communs dans un réseau social, pour chaque paire de noeuds
(x, y) non connecté, nous calculons la
similaritéentre x et y en fonction de degréde leurs voisins
communs. Cette mesure est similaire à la mesure Common Neigh-
bors que nous avons la défini dans le chapitre
précédent mais elle est adaptée à la tâche
d'attribution des poids élevéaux noeuds rarement
partagédans un réseau social. Après avoir
calculéles similarités entre toutes les pairs de noeuds dans le
réseau social, ces derniers sont stockés de manière
ordonnés en ordre décroissant dans une liste. Le résultat
de la prédiction sera tout simplement les K premiers pairs de noeuds qui
ont des valeurs de similaritéles plus élevé.
3.1.2.1 Calcul de la matrice de similarité
Cette mesure de similarités'obtient en
calculant la somme de l'inverse de logarithme de dégrées des
voisins communs pour chaque paire non connectéet qui partagent un
ensemble de voisins comme il est indiquée dans la formule suivante:
| 
