基于层次信息粒表示的属性图链接预测模型

论文摘要

随着具有结点属性信息的网络图数据的增加,结点属性及结点链接关系越来越复杂,这对复杂网络的链接预测任务带来了一系列的挑战.这些不同来源的原始数据之间存在着不一致性,即结点的属性诱导的潜在链接关系与网络拓扑结构观测到的链接边之间存在着不一致的情况,这一现象将直接影响结点对之间的链接预测准确性与精确性.为了有效处理多源数据的不一致性,融合异构数据的差异,借助粒计算思想,通过对原始数据的多粒度表示,将原始数据在不同层次的粒度进行信息表示建模.最终依据这些数据的粒度表示,寻找最优的粒层结构,并最大化地消除数据内在的不一致性.首先,定义了数据的粒度不同层次表示及粒层关系;其次,对所观测到的链接数据,构建对数似然统计模型,并综合不同粒度层数据特点对模型进行修正;最后,使用多源数据训练统计模型,将学习好的模型用于预测结点对之间的链接概率.实验表明:与现有链接预测模型相比,多源数据经过粒度表示极大地平衡了多源数据的不一致性,有效提升了链接预测任务的准确性.

论文目录

• 1 相关工作
• 2 基本知识
•   2.1 基本定义
• 3 层次粒度表示的属性图链接预测模型
•   3.1 问题描述
•   3.2 层次粒度表示的属性图链接预测模型
•     3.2.1 拓扑结构图对数似然
•     3.2.2 结点-隶属关系先验
•     3.2.3 社区贡献度先验
•     3.2.4 结点-隶属关系重要度
•     3.2.5 层次粒度表示
• 4 模型参数学习
• 5 层次粒度表示模型的链接预测
•   5.1 协同预测
•   5.2 预测算法
• 6 实验与结果
•   6.1 数据集
•   6.2 对比标准
•   6.3 案例分析
•   6.4 其他数据集上的结果
• 7 结 论

文章来源

类型: 期刊论文

作者: 罗晟,苗夺谦,张志飞,张远健,胡声丹

关键词: 粒度表示学习,粒计算,属性图,链接预测,数据融合

来源: 计算机研究与发展 2019年03期

年度: 2019

分类: 信息科技,基础科学

专业: 数学,自动化技术

单位: 同济大学计算机科学与技术系,嵌入式系统与服务计算教育部重点实验室(同济大学),计算机软件新技术国家重点实验室(南京大学)

基金: 国家自然科学基金项目(61673301,61502259),南京大学计算机软件新技术国家重点实验室开放课题(KFKT2017B22)~~

分类号: TP18;O157.5

页码: 623-634

总页数: 12

文件大小: 2107K

下载量: 168