跨对齐异构社交网络预测新用户的社交联系
本文提出利用社交认知理论来改善在在线社交网络中的链接预测算法,并探讨了利用社交圈子意识来扩展特征提取算法并验证其预测性能的方法,在社交圈子意识的算法中,预测性能得到了显著的提升,打败了一些最先进的解决方案,同时也可以用于针对特定类别的用户进行定向营销。
Sep, 2021
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
本研究提出了一种基于监督随机游走的算法,结合网络结构和节点 / 边缘级属性信息进行边缘强度估计,并在 Facebook 社交图和大型协作网络上得到了验证。
Nov, 2010
描述、解释网络动态变化的关键挑战之一是预测短期和长期变化,在考虑增强节点属性和网络拓扑特征的基础上,应用 CMA-ES 优化 16 个邻域和节点相似性指数的权重来预测未来的链接,从而为推特回复网络的演化提供一些计算机建模的线索。
Apr, 2013
本文提出了一种基于图神经网络的新型用户身份链接框架,称为 (m),该框架通过学习社交图中用户的局部和全局特征来预测用户身份链接,并在实际数据集上进行了广泛实验来证明其有效性。
Mar, 2019
本文研究了利用正链接和基于内容的相互作用来预测负链接的负链接预测问题,并提出了一个名为 NeLP 的可行的框架,该框架可以利用正链接和基于内容的相互作用来预测负链接,并在真实社交网络上进行了实验。
Dec, 2014
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
本研究探讨了在众多现代应用中,训练数据中可能存在互相连接的个体不独立样本的情况下,预测算法的表现。我们提出了一种基于网络的罚函数来鼓励联通节点的预测相似性,并证明了将其应用于预测模型能够在现实和理论上得到显著的表现改进,特别在存在网络内部联系的情况下。此罚函数可以与许多基于损失的预测模型相结合,如回归模型,广义线性模型和 Cox 比例危险模型。通过对青少年的探险行为和大麻使用水平的预测研究,我们发现了这种方法对预测行为的提高是有效的,并且提供了对变量效应估计的说明。
Feb, 2016