符号网络的局部标注特征与预测方法
当复杂网络的边具有正、负属性时称为符号网络.符号为正表示两用户间具有相互信任(朋友)关系,相反,符号为负表示不信任(敌对)关系.符号网络中的一个重要研究任务是给定部分观测的符号网络,预测未知符号.分析发现,具有弱结构平衡特征的符号网络,其邻接矩阵呈现全局低秩性,在该特征下链路符号预测问题可以近似表达为低秩矩阵分解问题.但基本低秩模型中,相邻节点间符号标注的局部行为特征未得到充分利用,论文提出了一种带偏置的低秩矩阵分解模型,将邻居节点的出边和入边符号特征作为偏置信息引入模型,以提高符号预测的精度.利用真实符号网络数据进行的实验证明,所提模型能够获得较其他基准算法好的预测效果且算法效率高.
符号网络、符号预测、低秩、矩阵分解、标注偏置、结构平衡理论、弱结构平衡理论、地位理论
13
TP399(计算技术、计算机技术)
国家自然科学基金项目61672298,61373136;教育部人文社会科学研究规划基金项目17YJAZH071;江苏省高校优秀科技创新团队项目
2018-06-11(万方平台首次上网日期,不代表论文的发表时间)
共8页
437-444