社交媒体中的负链接预测

Dec, 2014

Negative Link Prediction in Social Media

Jiliang Tang, Shiyu Chang, Charu Aggarwal, Huan Liu

TL;DR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。

Abstract

signed network analysis has attracted increasing attention in recent years. This is in part because research on signed network analysis suggests that negative links have added value in the analytical process. A m

signed network analysis negative link prediction nelp framework social media real-world social networks

发现论文，激发创造

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

动态图中链路预测算法评估的新视角

通过对负采样的可能性进行分类，并引入新的可视化方法以研究预测性能和时间网络动态，我们验证了错误通常在不同数据段之间不均匀分布，并认为这些可视化工具可以成为评估不同层次的动态链接预测方法的强大指南。

Nov, 2023

负采样对知识图谱链接预测的影响分析

本文通过实证研究，对比了对知识图谱中实体之间关系进行无监督学习的四种嵌入模型（ escal，TransE，DistMult 和 ComplEX）使用不同负采样方法的效果，结果发现使用不同负采样方法得到的效果差异较大，且在不同数据集上表现也各有不同。

Aug, 2017

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

生成式图神经网络用于链接预测

本文提出了一种名为 GraphLP 的新的基于网络重构理论的、区别于传统的判别式神经网络模型的生成式神经网络模型，利用深度学习提取图表结构信息并探索高阶连接模式以实现链路预测，实验证明 GraphLP 在不同数据集上都具有优异性能。

Dec, 2022

社交网络中的链路预测：现状

本文综述了社交网络中缺失链接的预测方法和应用，并分析了当前技术的现状、问题、应用和未来挑战。

Nov, 2014

神经网络链接预测的配对学习

本文提出了一个有效的针对神经链接预测进行成对学习的框架（PLNLP），其采用了四个主要组件，包括邻域编码器、链接预测器、负采样器和目标函数，并在 OGBlbenchmark 上进行了评估。该框架具有灵活性，可选用任何通用的图神经卷积或链接预测特定的神经结构进行编码。

Dec, 2021

复杂网络中集群结构对于链路预测任务的正向作用的重新思考

本文提出了一种简单而高效的基于聚类的链接预测框架 (ClusterLP)，其中利用聚类结构直接获得无向图和有向图中尽可能准确的节点连接，实验证明该模型在多个真实世界网络上具有高竞争力。

Nov, 2022

利用自我网络层的力量在在线社交网络中进行链接预测

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

带有正负链接的网络中的社区检测

本研究扩展了现有的 Potts 模型以包括负链接，将类似于社交平衡理论中的带符号图聚类的方法推广到更广泛的情形，应用于国际联盟和冲突网络，结果表明世界可以分为六个大国区，有一些显著的例外。

Nov, 2008