基于交互意见和地位理论的符号网络链接预测模型

被引：15

作者：

王鑫 ^{[1
,2
,3
]}

王英 ^{[4
,2
]}

左万利 ^{[4
,2
]}

机构：

[1] 长春工程学院计算机技术与工程学院

[2] 符号计算与知识工程教育部重点实验室(吉林大学)

[3] 广西可信软件重点实验室(桂林电子科技大学)

[4] 吉林大学计算机科学与技术学院

来源：

计算机研究与发展 | 2016年 / 04期

关键词：

符号网络; 链接预测; 稀疏学习; 交互意见; 地位理论;

D O I：

暂无

中图分类号：

TP393.09 [];

学科分类号：

摘要：

随着社会网络的普遍和流行,社会网络为符号网络(signed network)的深入研究提出了更多的全新问题,其中链接预测是符号网络研究的核心问题之一.交互意见和地位理论能够较好地解释符号网络中链接关系的构建和链接的符号属性,二者作为链接构建的诱因为提高链接预测的质量提供了理论基础.因此,通过研究交互意见和地位理论与链接关系的强相关性,构建符号网络链接预测模型.首先,利用交互意见增强待分解矩阵的可靠度,弥补由地位理论的对称性所带来的局限性;然后,在稀疏学习矩阵分解模型基础上,将交互意见建模为增强可靠度因子,同时将地位理论建模为稀疏学习模型的正则化项;最后,构建基于交互意见和地位理论的符号网络链接预测模型MF-SI.实验结果表明相比于其他基本方法,MF-SI模型获得了较好的预测质量,说明集成交互意见和地位理论能够较好地实现符号网络链接预测问题.

引用

页码：764 / 775

页数：12

共 9 条

[1]

符号社会网络中正负关系预测算法研究综述 [J].

蓝梦微 ;

李翠平 ;

王绍卿 ;

赵衎衎 ;

林志侠 ;

邹本友 ;

陈红 .

计算机研究与发展, 2015, 52 (02) :410-422

[2]

基于低秩和稀疏矩阵分解的多源融合链接预测算法 [J].

刘冶 ;

朱蔚恒 ;

潘炎 ;

印鉴 .

计算机研究与发展, 2015, 52 (02) :423-436

[3]

基于社会学理论的信任关系预测模型 [J].

王英 ;

王鑫 ;

左万利 .

软件学报, 2014, 25 (12) :2893-2904

[4]

符号网络研究综述 [J].

程苏琦 ;

沈华伟 ;

张国清 ;

程学旗 .

软件学报, 2014, 25 (01) :1-15

[5]

Transitive node similarity: predicting and recommending links in signed social networks[J] Panagiotis Symeonidis;Eleftherios Tiakas World Wide Web 2014,

[6]

Cluster-Based Collaborative Filtering for Sign Prediction in Social Networks with Positive and Negative Links[J] Amin Javari;Mahdi Jalili ACM Transactions on Intelligent Systems and Technology (TIST) 2014,

[7]

Sign Inference for Dynamic Signed Networks via Dictionary Learning[J] Cen Yi;Gu Rentao;Ji Yuefeng Journal of Applied Mathematics 2013,

[8]

Link prediction in complex networks: A survey[J] Linyuan Lü;Tao Zhou Physica A: Statistical Mechanics and its Applications 2010,

[9]

Predicting positive and negative links in signed social networks by transfer learn ing Ye Jihang;Cheng Hong;Zhu Zhe;et al; Proceedings of the 22nd International Conference on World Wide Web(WWW 13) 2013,

← 1 →