Feb, 2013

带符号网络的预测和聚类：从局部到全局的视角

PDF
TL;DR本研究探讨了有符号网络，基于社交平衡理论构建了针对符号预测和聚类的方法，实验结果表明，将社交平衡理论的全局观点引入可以提高对有符号网络的预测和聚类效果。
social networkssigned networkssocial balance theorysign predictionclustering
发现论文，激发创造
  • 有符号网络中的平衡性

    该研究在 Signed Networks 领域提出了两种基于弱平衡和强平衡的平衡度量，用于比较实际 Signed Networks 与理论建模的差异，并测试了使用平衡度量进行预测未知符号的能力。研究表明，这些度量能够较好地预测未知符号。

    Sep, 2018

  • 有符号网络中的链接分类问题的相关聚类方法 —— 完整版 —

    本文基于社会平衡理论，采用相关聚类指数作为标签规律度量来发展有关有符号网络中链接分类的理论。我们在在线、批量和主动三种基本的转导学习设置中，以相关聚类的形式推导学习界限。我们在主动设置中的主要算法贡献是引入了一类新的高效链接分类器，该分类器基于用小电路覆盖输入图形。这些是第一批针对任意符号网络误差边界的主动链接分类算法。

    Jan, 2013

  • 有符号社交网络中结构平衡的应用

    本文介绍基于带符号社交网络中结构平衡的度量、模型和链接预测算法，这些网络除含有传统的 “朋友” 链接外，还含有 “敌人” 链接，文章中提出了几种新的基于结构平衡的度量方法，社区算法和链接预测方法，并评估了这些方法在四个签名网络数据集上的表现。

    Feb, 2014

  • 社交媒体中的有向网络

    研究在线社交网络中的正负关系，发现结构平衡理论有时难以解释网络的演变，提出了状态理论来更好地说明观察到的边缘符号并提供了有关潜在社会机制的见解。

    Mar, 2010

  • 在线社交网络中预测正面和负面链接

    本文研究在线社交网络中存在的正面和负面关系，并通过 Epinions、Slashdot 和 Wikipedia 等数据集证明可以高准确度地预测社交网络中链接的符号，这些预测模型跨越不同类型的在线社交网络具有普适性，有助于理解社交心理学中平衡和地位理论的基本原则，并能够预测用户的态度和周围人际关系的证据。

    Mar, 2010

  • 使用扩散界面方法的带符号社交网络节点分类

    本文研究了有正负交互作用的签名网络，提出了一种基于 Ginzburg-Landau 功能和扩展的有符号网络图拉普拉斯算子的扩散界面方法，在真实的签名社交网络中取得了较好的性能，并优于当前技术水平。

    Sep, 2018

  • 在有符号图中搜索极化：一种本地谱方法

    本研究通过局部偏差特征向量和半监督学习方法，在有限制的情况下探测带有两极性结构的局部多样性地区，该算法在实验中获得了验证。

    Jan, 2020

  • 有符号网络的分布式表示

    SIGNet 是一种针对有符号网络的嵌入方法，利用社会平衡理论建立目标函数，加上新的有针对性的节点抽取策略来维护高阶邻域的结构平衡，较其他方法更优，可以生成更丰富的有符号网络特征词汇以支持表达和推理。

    Feb, 2017

  • 有符号图卷积网络

    本文提出了一种基于平衡理论的有向图卷积神经网络模型，用于在带有正负连接的有向图中进行节点表示学习，并证明其在 link sign prediction 等问题上的有效性。

    Aug, 2018

  • 利用本地和全局特征提升社交网络的链接预测：一种基于聚类的方法

    提出一种结合第一和第二组方法的两阶段方法，其中第一阶段确定与节点位置和动态行为相关的新特征，第二阶段应用子空间聚类算法对社会对象进行分组，以区分集群的强度，在 Facebook、Brightkite 和 HepTh 等真实数据集上进行了广泛的实验，并与该领域的一些先前技术进行了实验验证，证明了该方法的优越性。

    May, 2023