社交媒体中带符号网络挖掘综述
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
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
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
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。
Feb, 2013
本文提出一种基于离散特征值问题的谱算法,以发现有极性社群的有符号网络中两个极化社群,证明所提出的问题是 NP-hard 的,同时在真实世界现象的情况下验证了算法的有效性并证明其比非平凡基线更好、更快、能够扩展到更大的网络。
Oct, 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
本文通过对 Slashdot 技术新闻网站用户关系的语料库进行社交网络分析,研究了负边权的问题,考虑了全局网络特征,节点特征和链接特征等方面,用于识别不受欢迎的用户,预测链路符号,并展示了网络呈现乘性传递性,从而可以使用基于矩阵乘法的代数方法。与仅适用于正边权的传统方法进行了比较。
Oct, 2017