基于特征學習的鏈路預測TNTlink模型綜述

資料大?。?/em> 2.73 MB

所需積分: 0

下載次數:

用戶評論: 0條評論,查看

上傳日期: 2021-04-23

上 傳 者: 他上傳的所有資料

資料介紹

標簽:深度學習(3444)模型(853)神經網絡(3090)

  在合作作者網絡中,鏈路預測可以預測當前網絡中缺失的鏈接,以及新的或已解散的鏈接,根據網絡中觀測到的信息來推斷兩位作者在不久的將來是否會產生合作,對于挖掘和分析網絡的演化、重塑網絡模型具有重要意義。鏈路預測是計算機科學和物理學的重要研究方向,對此已有較深入的研究,其主要研究思路是基于馬爾可夫鏈、機器學習和無監督的學習。然而,這些工作大多只使用單一的特征,即基于網絡拓撲特征或者屬性特征進行預測,很少將這些跨學科的特征組合考慮,結合多學科特征進行鏈路預測的硏究非常少。文中設計開發了? Ntlink模型,該模型結合網絡拓撲特征、基本特征和附加特征,并結合物理學和計算機科學的領堿知識,利用深度神經網絡將這些特征集成到一個深度學習框架中,其在解決鏈路預測問題時取得了不錯的效果。文中使用了5個數據集(ca- Astroph,ca- Condmat, ca-grqc,ca- Hepp和ca- Depth),包含69032個節點和450617條邊,從捕獲的信息中利用二進制相似度和模糊余弦相似度計算和識別特征。如果節點在這些特征中表現岀更多的相似性(如相似的節點、相同的關鍵字或彼此之間密切的關系),則兩個節點間更有可能生成鏈接。除了考慮節點的特征外,還考慮了節點重要性對鏈路形成的影響,進而提出了一種新的鏈路預測指標MⅠ,以區分強影響和弱影響,對節點的重要影響進行建模。將所提模型與主流分類器在5個數據集上進行比較,結果表明MI和 TnTIink有效地提高了鏈路預測的AUC值。

用戶評論

查看全部 條評論

發表評論請先 , 還沒有賬號?免費注冊。

發表評論

用戶評論
技術交流、我要發言! 發表評論可獲取積分! 請遵守相關規定。
上傳電子資料
免费国产在线一区二区,欧美大片h版大合集 mp4,美国人与动性xxx杂交,亚洲国产在线精品国自产拍影院