-
题名基于信息融合的概率矩阵分解链路预测方法
被引量：13
- 1
-
-
作者
王智强
梁吉业
李茹
-
机构
山西大学计算机与信息技术学院
计算智能与中文信息处理教育部重点实验室(山西大学)
-
出处
《计算机研究与发展》
EI
CSCD
北大核心
2019年第2期306-318,共13页
-
基金
国家自然科学基金项目(U1435212
61432011
+3 种基金
61876103)
山西省重点研发计划项目(201603D111014)
山西省1331工程项目
山西省青年科技基金项目(201701D221098)~~
-
文摘
作为一种典型的网络大数据,社交信息网络如微博、Tweeter等,不仅包含用户间复杂的网络结构,而且包含大量用户所发表的微博/Tweet信息.现有链路预测算法大多只利用单方面的网络拓扑信息或非拓扑信息,仍然缺乏有效融合社交信息网络中拓扑与非拓扑信息的链路预测方法.为此,从社交信息网络中用户的主题角度出发,提出一种融合主题相似信息的链路预测方法.首先基于用户文本内容抽取用户的主题表示,并定义用户间的主题相似度;然后基于用户主题相似度,构建了一种用户主题相似稀疏网络;进一步将用户主题相似网络与用户间关注/被关注网络融合在统一的概率矩阵分解框架下,通过学习获得用户的潜在特征表示和网络链路参数;最终在此概率矩阵分解框架下,基于用户的潜在特征表示和链路参数计算得到用户间的链路可能性.所提出的模型提供了一种融合多种网络信息的通用策略和学习方法.实验在包含网络结构与文本信息的4组微博与推特数据集中显示,所提出的融合概率矩阵分解链路方法相比其他链路预测方法更有效.
-
关键词
社交信息网络
链路预测
概率矩阵分解
融合模型
网络数据分析
-
Keywords
social-information network
link prediction
probability matrix factorization
fusion model
network data analysis
-
分类号
TP399
[自动化与计算机技术—计算机应用技术]
-
