學習筆記，僅供參考，有錯必糾
關鍵詞：社交網絡分析 , 預測 , 監督學習 , 社區網絡 , 矩陣 “ 去噪 ”, 弱大數定律

---

基于監督聯合去噪模型的社交網絡鏈接預測

摘要

社交網絡鏈接預測能夠獲取丟失鏈接的重要信息 , 在很多領域都有應用 . 現有鏈接預測算法或因無法充分利用信息或因無法捕獲全部特性而在鏈接預測精度上有所欠缺.
為提高鏈接預測精度 , 本文提出一種新的算法 —— 監督聯合去噪模型 (supervised joint denoising model, SJDM), 該算法把鏈接預測問題看作一個有監督的矩陣 “ 去噪 ” 問題 . 為了能夠獲取理想社交網絡矩陣 , 該算法綜合利用現有用戶特征信息和鏈接信息去訓練一個映射函數 . 該函數能夠通過現有社交網絡鏈接矩陣獲取理想社交網絡鏈接矩陣 , 完成鏈接預測 . 獲取的理想社交網絡鏈接矩陣是一個權重矩陣 , 采用該矩陣進行社區發現能取得比采用原矩陣更佳的效果 .
本文采用 5 個真實社交網絡對 SJDM 算法進行了驗證 , 實驗結果證明了該算法的有效性.

引言

在線社交網絡 (online social network, OSN) 已深入大眾生活 , 成為人們重要的溝通及交友工具 .同時 , 在線社交網絡在政治經濟中也發揮著越來越重要的作用 , 比如 2016 年美國總統選舉 . 鏈接預測(link prediction) 研究是社交網絡研究的一項重要內容 , 其應用很多[1] ,比如朋友推薦[2] 、尋找潛在合作者[3,4] 、尋找跨領域合作伙伴 [5] 、在學術社交網絡中尋找專家或者合作作者等 [6,7] .本文所研究的鏈接預測主要指利用已知社交網絡信息預測未知鏈接. 如圖 1 所示 , 圖 N 為已知鏈接 ( 實線 ), 圖

總結

以上是生活随笔為你收集整理的文献记录(part82)--基于监督联合去噪模型的社交网络链接预测的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。