目前大部分链路预测的相关研究均集中在无符号/无权重的社交网络,对于WSSN中的链路预测问题,特别是边权重预测问题的研究较少。提出一种高效的权重符号社交网络嵌入(Weighted Signed Network Embedding,WSNE)算法,对每一条有向边,学习...目前大部分链路预测的相关研究均集中在无符号/无权重的社交网络,对于WSSN中的链路预测问题,特别是边权重预测问题的研究较少。提出一种高效的权重符号社交网络嵌入(Weighted Signed Network Embedding,WSNE)算法,对每一条有向边,学习其两个端点的嵌入表示,同时考虑边符号约束来提高权重预测的性能。在三个真实WSSN数据集上与其他相关算法进行比较,实验结果表明,该算法可以有效地预测边权重,并且优于相关算法。展开更多
文摘目前大部分链路预测的相关研究均集中在无符号/无权重的社交网络,对于WSSN中的链路预测问题,特别是边权重预测问题的研究较少。提出一种高效的权重符号社交网络嵌入(Weighted Signed Network Embedding,WSNE)算法,对每一条有向边,学习其两个端点的嵌入表示,同时考虑边符号约束来提高权重预测的性能。在三个真实WSSN数据集上与其他相关算法进行比较,实验结果表明,该算法可以有效地预测边权重,并且优于相关算法。
